A Markovian approach to distributional semantics with application to semantic compositionality

Edouard Grave 1, 2, 3 Guillaume Obozinski 4, 5 Francis Bach 2, 3
2 SIERRA - Statistical Machine Learning and Parsimony
DI-ENS - Département d'informatique de l'École normale supérieure, ENS Paris - École normale supérieure - Paris, Inria Paris-Rocquencourt, CNRS - Centre National de la Recherche Scientifique : UMR8548
5 IMAGINE [Marne-la-Vallée]
LIGM - Laboratoire d'Informatique Gaspard-Monge, CSTB - Centre Scientifique et Technique du Bâtiment, ENPC - École des Ponts ParisTech
Abstract : In this article, we describe a new approach to distributional semantics. This approach relies on a generative model of sentences with latent variables, which takes the syntax into account by using syntactic dependency trees. Words are then represented as posterior distributions over those latent classes, and the model allows to naturally obtain in-context and out-of-context word representations, which are comparable. We train our model on a large corpus and demonstrate the compositionality capabilities of our approach on different datasets.
Type de document :
Communication dans un congrès
International Conference on Computational Linguistics (Coling), Aug 2014, Dublin, Ireland. pp.1447 - 1456, 2014, 〈http://www.coling-2014.org/〉
Liste complète des métadonnées

https://hal.inria.fr/hal-01080309
Contributeur : Edouard Grave <>
Soumis le : lundi 15 décembre 2014 - 20:06:10
Dernière modification le : jeudi 5 juillet 2018 - 14:29:01
Document(s) archivé(s) le : lundi 16 mars 2015 - 12:46:08

Fichier

grave2014markovian.pdf
Fichiers produits par l'(les) auteur(s)

Licence


Copyright (Tous droits réservés)

Identifiants

  • HAL Id : hal-01080309, version 1

Citation

Edouard Grave, Guillaume Obozinski, Francis Bach. A Markovian approach to distributional semantics with application to semantic compositionality. International Conference on Computational Linguistics (Coling), Aug 2014, Dublin, Ireland. pp.1447 - 1456, 2014, 〈http://www.coling-2014.org/〉. 〈hal-01080309〉

Partager

Métriques

Consultations de la notice

567

Téléchargements de fichiers

347