Graph-based Syntactic Word Embeddings

Ragheb Al-Ghezi, Mikko Kurimo

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

9 Lataukset (Pure)

Abstrakti

We propose a simple and efficient framework to learn syntactic embeddings based on information derived from constituency parse trees. Using biased random walk methods, our embeddings not only encode syntactic information about words, but they also capture contextual information. We also propose a method to train the embeddings on multiple constituency parse trees to ensure the encoding of global syntactic representation. Quantitative evaluation of the embeddings shows competitive performance on POS tagging task when compared to other types of embeddings, and qualitative evaluation reveals interesting facts about the syntactic typology learned by these embeddings.
AlkuperäiskieliEnglanti
OtsikkoProceedings of the Graph-based Methods for Natural Language Processing (TextGraphs)
Sivut72–78
Sivumäärä7
ISBN (elektroninen)978-1-952148-42-2
TilaJulkaistu - 30 joulukuuta 2020
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaWorkshop on Graph-Based Methods for Natural Language Processing - Barcelona, Espanja
Kesto: 13 joulukuuta 202013 joulukuuta 2020

Workshop

WorkshopWorkshop on Graph-Based Methods for Natural Language Processing
LyhennettäTextGraphs
MaaEspanja
KaupunkiBarcelona
Ajanjakso13/12/202013/12/2020

Sormenjälki

Sukella tutkimusaiheisiin 'Graph-based Syntactic Word Embeddings'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä