Bayesian Hierarchical Words Representation Learning

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

This paper presents the Bayesian Hierarchical Words Representation (BHWR) learning algorithm. BHWR facilitates Variational Bayes word representation learning combined with semantic taxonomy modeling via hierarchical priors. By propagating relevant information between related words, BHWR utilizes the taxonomy to improve the quality of such representations. Evaluation of several linguistic datasets demonstrates the advantages of BHWR over suitable alternatives that facilitate Bayesian modeling with or without semantic priors. Finally, we further show that BHWR produces better representations for rare words.

שפה מקוריתאנגלית אמריקאית
כותר פרסום המארחACL 2020 - 58th Annual Meeting of the Association for Computational Linguistics, Proceedings of the Conference
מוציא לאורAssociation for Computational Linguistics (ACL)
עמודים3871-3877
מספר עמודים7
מסת"ב (אלקטרוני)9781952148255
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 2020
אירוע58th Annual Meeting of the Association for Computational Linguistics, ACL 2020 - Virtual, Online, ארצות הברית
משך הזמן: 5 יולי 202010 יולי 2020

סדרות פרסומים

שםProceedings of the Annual Meeting of the Association for Computational Linguistics

כנס

כנס58th Annual Meeting of the Association for Computational Linguistics, ACL 2020
מדינה/אזורארצות הברית
עירVirtual, Online
תקופה5/07/2010/07/20

ASJC Scopus subject areas

  • ???subjectarea.asjc.1200.1203???
  • ???subjectarea.asjc.1700.1706???
  • ???subjectarea.asjc.3300.3310???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Bayesian Hierarchical Words Representation Learning'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי