@正在进行{shahmohammadi-etal-2021学习,title=“通过多任务训练学习零快照多层面可视单词嵌入”,author=“Shahmohammadi、Hassan和Lensch、Hendrik P.A.和Baayen,R.Harald“,editor=“Bisazza、Arianna和奥姆里·阿本德“,booktitle=“第25届计算自然语言学习会议记录”,月=11月,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.conll-1.12”,doi=“10.18653/v1/2021.conll-1.12”,页码=“158-170”,abstract=“语言基础旨在连接语言的符号表示(例如单词)融入对外界丰富的感性认识。一般的方法是将文本和视觉信息嵌入到一个公共空间中,即受明确关系限制的固定空间。我们认为,由于具体单词和抽象单词在大脑中的处理方式不同,这种方法在获取感知信息的过程中牺牲了从文本统计中获得的抽象知识。本文的重点是通过隐式地为单词嵌入提供基础来解决这个问题。我们的方法不是将两个映射学习到一个联合空间中,而是通过隐式对齐来集成模式。这是通过多任务训练学习文本空间和基础空间之间的可逆映射来实现的。内在和外在评价表明,我们的视觉基础方法对抽象和具体单词都非常有益。我们的嵌入与人类的判断相关,并且在广泛的基准上使用预处理单词嵌入,其性能优于以前的工作。我们的固定嵌入在这里是公开的。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“shahmohammadi-etal-2021-学习”><标题信息><title>通过多任务训练学习零快照多层面可视单词嵌入</titleInfo><name type=“个人”><namePart type=“给定”>Hassan</namePart>Shahmohammadi<角色>作者</角色></name><name type=“个人”>亨德里克<namePart type=“given”>P</namePart><namePart type=“given”>A</namePart>Lensch公司<角色>作者</角色></name><name type=“个人”><namePart type=“given”>R</namePart>哈拉尔德巴扬<角色>作者</角色></name><originInfo>发布日期:2021-11发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第25届计算自然语言学习会议记录</titleInfo><name type=“个人”>阿里安娜比萨扎<角色>编辑器</角色></name><name type=“个人”>欧姆里Abend(阿本德)<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</placeTerm></place></originInfo>会议出版物</relatedItem>语言基础旨在将语言(如词语)的符号表征与外界丰富的感知知识联系起来。一般的方法是将文本和视觉信息嵌入到一个公共空间中,即受明确关系限制的固定空间。我们认为,由于具体单词和抽象单词在大脑中的处理方式不同,这种方法在获取感知信息的过程中牺牲了从文本统计中获得的抽象知识。本文的重点是通过隐式地为单词嵌入提供基础来解决这个问题。我们的方法不是将两个映射学习到一个联合空间中,而是通过隐式对齐来集成模式。这是通过多任务训练学习文本空间和固定空间之间的可逆映射来实现的。内在和外在评价表明,我们的视觉基础方法对抽象和具体单词都非常有益。我们的嵌入与人类的判断相关,并且在广泛的基准上使用预处理单词嵌入,其性能优于以前的工作。我们的固定嵌入在这里是公开的</摘要>shahmohammadi-etal-2021学习10.18653/v1/2021.conll-1.12<位置><网址>https://aclantology.org/2021.coll-1.12</url></位置><部分>2021-11年<扩展单元=“page”><开始>158</开始><end>170</范围></部分></mods></modsCollection>
%0会议记录%通过多任务训练学习零镜头多面可视单词嵌入%A Shahmohammadi,哈桑%亨德里克·伦施。%A Baayen,R.Harald%阿里安娜·比萨扎%奥姆里·阿本德%第25届计算自然语言学习会议论文集%D 2021年%11月8日%计算语言学协会%C在线%F shahmohammadi-etal-2021学习%X语言基础旨在将语言(如词语)的符号表示与外界丰富的感性知识联系起来。一般的方法是将文本和视觉信息嵌入到一个公共空间中,即受明确关系限制的固定空间。我们认为,由于具体单词和抽象单词在大脑中的处理方式不同,这种方法在获取感知信息的过程中牺牲了从文本统计中获得的抽象知识。本文的重点是通过隐式地为单词嵌入提供基础来解决这个问题。我们的方法不是将两个映射学习到一个联合空间中,而是通过隐式对齐来集成模态。这是通过多任务训练学习文本空间和固定空间之间的可逆映射来实现的。内在和外在评价表明,我们的视觉基础方法对抽象和具体单词都非常有益。我们的嵌入与人类的判断相关,并且在广泛的基准上使用预处理单词嵌入,其性能优于以前的工作。我们的固定嵌入在这里是公开的。%R 10.18653/v1/2021.coll-1.12%U型https://aclcollectory.org/2021.conll-1.12%U型https://doi.org/10.18653/v1/2021.coll-1.12%电话158-170
降价(非正式)
[通过多任务训练学习零截图多面可视单词嵌入](https://aclantology.org/2021.coll-1.12)(Shahmohammadi等人,CoNLL 2021)
国际计算语言学协会
- 哈桑·沙赫穆罕默德(Hassan Shahmohammadi)、亨德里克·伦施(Hendrik P.A.Lensch)和R.哈拉尔德·巴扬(R.Harald Baayen)。2021通过多任务训练学习零炮多方位视觉接地单词嵌入.英寸第25届计算自然语言学习会议记录,第158-170页,在线。计算语言学协会。