A Mixture Model for Learning Multi-Sense Word Embeddings
A Mixture Model for Learning Multi-Sense Word Embeddings
复制标题
DOI：
10.18653/v1/s17-1015
复制
发表时间：
2017-06
期刊：
影响因子：
--
通讯作者：
D. Q. Nguyen;Dat Quoc Nguyen;Ashutosh Modi;Stefan Thater;Manfred Pinkal
中科院分区：
文献类型：
--
作者：
D. Q. Nguyen;Dat Quoc Nguyen;Ashutosh Modi;Stefan Thater;Manfred Pinkal
词嵌入现在是一种标准的技术，用于诱导词的含义表示。为了得到好的表示，重要的是要考虑到一个词的不同含义。在本文中，我们提出了一个混合模型学习多意义词嵌入。我们的模型概括了以前的作品，因为它允许诱导不同的权重不同的意义的一个词。实验结果表明，我们的模型优于以前的标准评估任务的模型。
Word embeddings are now a standard technique for inducing meaning representations for words. For getting good representations, it is important to take into account different senses of a word. In this paper, we propose a mixture model for learning multi-sense word embeddings. Our model generalizes the previous works in that it allows to induce different weights of different senses of a word. The experimental results show that our model outperforms previous models on standard evaluation tasks.