arXiv cs.CL· Arne Rubehn·· 11 小时前AI 评分18
基于跨语言共词化模式与文本属性的概念嵌入归纳学习框架
Inductive Learning of Concept Embeddings from Cross-Linguistic Colexification Patterns with Textual Attributes
AI 导读
研究提出一种归纳式概念嵌入学习框架，将完整与部分共词化网络的结构属性与简短概念描述的语义信息结合，可为训练数据中未出现的新概念生成嵌入向量。此前基于跨语言共词化网络的概念嵌入依赖直推式方法、缺乏可扩展性，新框架支持仅凭简短定义嵌入未见概念。实验显示所得概念嵌入与多种跨语言相似度或关联度指标相关，且对新概念泛化良好。
正文 · AI 翻译
摘要：分布语义学作为计算语义学的一个框架出现，标志着表示性质的范式转变，即意义被表示为通常称为词嵌入的稠密向量。另一方面，历史或类型学语言比较的计算方法仍然大多依赖离散表示，而基于嵌入的方法的潜力在这一语境下仍基本未被发掘。近期研究提出了概念嵌入，作为词嵌入的一种与语言无关、基于语义命名学的对应物，其基础是跨语言同义化模式的网络。尽管由此得到的概念嵌入反映了有意义的语义属性和关系，但它们受制于可扩展性不足，因为它们依赖转导式嵌入方法，而这类方法只为训练数据中存在的节点学习嵌入。在本研究中，我们提出了一个用于学习概念嵌入的归纳式框架，将完整和部分同义化网络的结构属性与来自简短概念描述的语义信息相结合。该框架允许基于简短定义对未见概念进行嵌入。我们表明，由此得到的概念嵌入与多种跨语言的相似性或相关性度量相关，同时对训练数据中不存在的新概念具有良好的泛化能力。
| 主题： | 计算与语言（cs.CL） |
| ACM 分类： | J.5 |
| 引用为： | arXiv:2610.22638 [cs.CL] |
| （或本版本的 arXiv:2610.22638v1 [cs.CL]） | |
| https://doi.org/10.48550/arXiv.2610.22638 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Arne Rubehn [查看电子邮件]
[v1]
2026年10月15日星期四 20:53:31 UTC（253 KB）
来源：arXiv cs.CL · arxiv.org