Vícejazyčná sémantická podobnost textů
Date issued
2019
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Západočeská univerzita v Plzni
Abstract
Tato práce se zabývá metodami strojového učení bez učitele pro měření sémantické podobnosti textů napříč různými jazyky. Pro monolinguální reprezentaci textu bylo natrénováno několik modelů na korpusu z~Wikipedie.
Pro vytvoření jazykově nezávislé reprezentace významu jsou monolinguální sémantické prostory transformovány do společného prostoru pomocí lineární transformace. Práce zkoumá lineární transformace za pomocí metody nejmenších čtverců, kanonické korelační analýzy a ortogonální transformace. Kromě standardní transformace na slovech práce představuje dva nové přístupy, a to transformaci na větách a transformaci Paragraph2Vec modelu. Experimenty jsou provedeny na vícejazyčných datasetech SemEval-2017 a GoranGlavas a je měřena Pearsonova a Spearmanova korelace oproti člověku.
Zkoumané metody dosahují slibných výsledků na těchto datasetech.
Description
Subject(s)
zpracování přirozeného jazyka, vícejazyčná sémantická podobnost textů, sémantika, transformace metodou nejmenších čtverců, kanonická korelační analýza, ortogonální transformace, glove, word2vec, fasttext, paragraph2vec, skip-thoughts, semeval, goranglavas