Antonym vs Synonym Distinction using InterlaCed Encoder NETworks (ICE-NET)

要約

反意語と同義語の区別は、語彙意味分析と自動語彙リソース構築における中心的な課題です。
これらのペアは同様の分布コンテキストを共有しているため、区別することが難しくなります。
この点に関する主要な研究は、関係ペアの特性、つまり対称性、推移性、およびトランス推移性を捕捉しようと試みています。
ただし、既存の研究では関係固有のプロパティを適切にモデル化できないため、最終的なパフォーマンスが制限されます。
この論文では、反意語と同義語の区別のための InterlaCed Encoder NETworks (つまり、ICE-NET) を提案します。これは、パフォーマンスで分類タスクを実行するために、反意語と同義語のペアの関係固有のプロパティをキャプチャしてモデル化することを目的としています。
強化されたマナー。
ベンチマーク データセットを使用した実験評価では、ICE-NET が F1 測定の相対スコアで最大 1.8% 既存の研究を上回っていることが示されています。
ICE-NET のコードは https://github.com/asif6827/ICENET でリリースされています。

要約(オリジナル)

Antonyms vs synonyms distinction is a core challenge in lexico-semantic analysis and automated lexical resource construction. These pairs share a similar distributional context which makes it harder to distinguish them. Leading research in this regard attempts to capture the properties of the relation pairs, i.e., symmetry, transitivity, and trans-transitivity. However, the inability of existing research to appropriately model the relation-specific properties limits their end performance. In this paper, we propose InterlaCed Encoder NETworks (i.e., ICE-NET) for antonym vs synonym distinction, that aim to capture and model the relation-specific properties of the antonyms and synonyms pairs in order to perform the classification task in a performance-enhanced manner. Experimental evaluation using the benchmark datasets shows that ICE-NET outperforms the existing research by a relative score of upto 1.8% in F1-measure. We release the codes for ICE-NET at https://github.com/asif6827/ICENET.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google