研究的都是模仿模仿的协同作用

LDV Forum Pub Date : 2004-07-01 DOI:10.21248/jlcl.19.2004.61
Chris Biemann, Stefan Bordag, U. Quasthoff
{"title":"研究的都是模仿模仿的协同作用","authors":"Chris Biemann, Stefan Bordag, U. Quasthoff","doi":"10.21248/jlcl.19.2004.61","DOIUrl":null,"url":null,"abstract":"Das Lernen paradigmatischer Relationen wie Synonymie, Homonymie, Antonymie und Hyponymie ist Thema verschiedener statistischer Ansatze. Die bisherigen Ansatze verwenden nur je ein statistisches Feature, um derartige Relationen aus grosen Textkorpora zu extrahieren. In diesem Papier soll eine Architektur vorgestellt, die es ermoglicht, Relationen zwischen Wortern durch eine Trainingsmenge zu lernen, um weitere in der Relation stehende Worter zu erhalten, um schlieslich lexikalischsemantische Wortnetze automatisch oder halbautomatisch zu erweitern. Hierzu wird zunachst eine passende Menge von Features aus einer grosen Menge vorhandener Features aufgrund der Trainingsmenge ausgewahlt, statistisch getestet und zum Erweitern des Wortnetzes verwendet.","PeriodicalId":346957,"journal":{"name":"LDV Forum","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2004-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"5","resultStr":"{\"title\":\"Lernen paradigmatischer Relationen auf iterierten Kollokationen\",\"authors\":\"Chris Biemann, Stefan Bordag, U. Quasthoff\",\"doi\":\"10.21248/jlcl.19.2004.61\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Das Lernen paradigmatischer Relationen wie Synonymie, Homonymie, Antonymie und Hyponymie ist Thema verschiedener statistischer Ansatze. Die bisherigen Ansatze verwenden nur je ein statistisches Feature, um derartige Relationen aus grosen Textkorpora zu extrahieren. In diesem Papier soll eine Architektur vorgestellt, die es ermoglicht, Relationen zwischen Wortern durch eine Trainingsmenge zu lernen, um weitere in der Relation stehende Worter zu erhalten, um schlieslich lexikalischsemantische Wortnetze automatisch oder halbautomatisch zu erweitern. Hierzu wird zunachst eine passende Menge von Features aus einer grosen Menge vorhandener Features aufgrund der Trainingsmenge ausgewahlt, statistisch getestet und zum Erweitern des Wortnetzes verwendet.\",\"PeriodicalId\":346957,\"journal\":{\"name\":\"LDV Forum\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2004-07-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"5\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"LDV Forum\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.21248/jlcl.19.2004.61\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"LDV Forum","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21248/jlcl.19.2004.61","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 5

摘要

学习范式,包括同义词、homony学、花瓣学和催眠学,是很多统计学的主题。迄今为止所作预测仅仅利用一个统计上的因素,去数字上引用引用鲜明的文本社团所找到的数字意义。在这篇文章中,研究人员提出了一种建筑策略,使得他可以通过训练的次数去研究两个词,以便得到更广泛的相互关系,然后可以自动地或半地扩展新的词汇网络。为此我们建议在训练的基础上,从一个巨大的胎儿中筛选出一组合适的胎儿,进行统计学的测试,并且使用额外的词汇。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Lernen paradigmatischer Relationen auf iterierten Kollokationen
Das Lernen paradigmatischer Relationen wie Synonymie, Homonymie, Antonymie und Hyponymie ist Thema verschiedener statistischer Ansatze. Die bisherigen Ansatze verwenden nur je ein statistisches Feature, um derartige Relationen aus grosen Textkorpora zu extrahieren. In diesem Papier soll eine Architektur vorgestellt, die es ermoglicht, Relationen zwischen Wortern durch eine Trainingsmenge zu lernen, um weitere in der Relation stehende Worter zu erhalten, um schlieslich lexikalischsemantische Wortnetze automatisch oder halbautomatisch zu erweitern. Hierzu wird zunachst eine passende Menge von Features aus einer grosen Menge vorhandener Features aufgrund der Trainingsmenge ausgewahlt, statistisch getestet und zum Erweitern des Wortnetzes verwendet.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信