Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://elar.urfu.ru/handle/10995/90108
Название: | Negative sampling improves hypernymy extraction based on projection learning |
Авторы: | Ustalov, D. Arefyev, N. Biemann, C. Panchenko, A. |
Дата публикации: | 2017 |
Издатель: | Association for Computational Linguistics (ACL) |
Библиографическое описание: | Negative sampling improves hypernymy extraction based on projection learning / D. Ustalov, N. Arefyev, C. Biemann, A. Panchenko. — DOI 10.18653/v1/e17-2087 // 15th Conference of the European Chapter of the Association for Computational Linguistics, EACL 2017 - Proceedings of Conference. — 2017. — Iss. 2. — P. 543-550. |
Аннотация: | We present a new approach to extraction of hypernyms based on projection learning and word embeddings. In contrast to classification-based approaches, projection-based methods require no candidate hyponym-hypernym pairs. While it is natural to use both positive and negative training examples in supervised relation extraction, the impact of negative examples on hypernym prediction was not studied so far. In this paper, we show that explicit negative examples used for regularization of the model significantly improve performance compared to the stateof- the-art approach of Fu et al. (2014) on three datasets from different languages. © 2017 Association for Computational Linguistics. |
Ключевые слова: | CLASSIFICATION (OF INFORMATION) COMPUTATIONAL LINGUISTICS HYPERNYMS HYPERNYMY EXTRACTION IMPROVE PERFORMANCE NEGATIVE EXAMPLES NEW APPROACHES RELATION EXTRACTION STATE-OF-THE-ART APPROACH TRAINING EXAMPLE EXTRACTION |
URI: | http://elar.urfu.ru/handle/10995/90108 |
Условия доступа: | info:eu-repo/semantics/openAccess cc-by |
Идентификатор SCOPUS: | 85021627162 |
Идентификатор PURE: | 1972214 |
ISBN: | 9781510838604 |
DOI: | 10.18653/v1/e17-2087 |
Располагается в коллекциях: | Научные публикации ученых УрФУ, проиндексированные в SCOPUS и WoS CC |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
10.18653-v1-e17-2087.pdf | 197,17 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.