- 2018 · ACL · Exploring Semantic
- 2018 · ACL · Some of Them Can be
- 2018· ACL · Unsupervised Learnin
- 2018 · ACL · LSTMs Exploit Lingu
- 2018 · ACL · What you can cram i
- ACL 2018最佳论文公布！计算语言学最前沿研究都在这里了
- ACL2018、COLING2018、EMNLP2018、NAA
- HTML-Semantic Elements
- [译] 探索 Swift 4 中新的 String API
- [转]神经网络并不是尚方宝剑，我们需要正视深度 NLP 模型的泛
2018 · ACL · Exploring Semantic Properties of Sentence Embeddings
想法来源：探索性实验性质文章。
价值：可以看出模型到底可以学习了什么。
方法：探索了修改句子成分，让模型判断是否是同一个意思。
缺点：
详细方案：
- 几种句子修改方法；
- 反义：not
- 反义：there is no
- 同义替换
- 去除从句
- 改成被动形式
- 调换主语顺序
- 绕轴旋转
- 几种embedding表示方案
- GloVe Averaging
- Concatenated P-Mean Embeddings
- Sent2Vec
- Skip-Thought
- InferSent
数据集：
自己构造数据集
每个sample由三个句子组成：original ， Synonym-Substitution sentences， Not-Negated
实验：
前面三列是cosine相似度
-c400
-c400
-c400
-c400
-c400
所以，可以看出这几种句子表示方法，都没法理解句子的深层意思，抓住句子的核心不同。只能作为记忆模型，记忆句子的大体模型。
网友评论