Cookies y Privacidad
Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies
Aprovechamiento de la información sintáctica y semántica para estimar la similitud textual
La tarea de similitud textual, que mide la semejanza entre dos fragmentos de texto, ha recibido recientemente mucha atencin en el mbito del procesamiento del lenguaje natural (PLN). Sin embargo, debido a la vaguedad y diversidad de la expresin lingstica, considerar nicamente las caractersticas semnticas o sintcticas, respectivamente, puede provocar la prdida de conocimiento textual crtico. Este artculo propone un nuevo tipo de rbol estructural para la representacin de frases, que explota tanto la informacin sintctica (estructural) como la semntica, conocido como rbol de dependencia de vectores de peso (WVD-tree). El WVD-tree comprende rboles de estructura con informacin sintctica junto con vectores de palabras que representan la informacin semntica de las frases. Adems, se propone un peso de atencin gaussiano para captar mejor las caractersticas semnticas importantes de las frases. Adems, diseamos un ncleo de rbol mejorado para calcular las partes comunes entre dos estructuras y juzgar la similitud. Por ltimo, WVD-tree se prueba en tareas de similitud semntica textual ampliamente utilizadas. Los resultados experimentales demuestran que WVD-tree puede mejorar eficazmente la precisin de los juicios de similitud de frases.
Autores: Luo, Jiajia; Shan, Hongtao; Zhang, Gaoyu; Yuan, George; Zhang, Shuyi; Yan, Fengting; Li, Zhiwei
Idioma: Inglés
Editor: Hindawi
Año: 2021
Disponible con Suscripción Virtualpro
Artículos
Categoría
Matemáticas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 6
Citaciones: Sin citaciones
Hindawi
Mathematical Problems in Engineering
Volume , Article ID 4186750, 12 pages
https://doi.org/10.1155/2021/4186750
Luo Jiajia1, Shan Hongtao1, Zhang Gaoyu2, Yuan George3, Zhang Shuyi4, Yan Fengting1, Li Zhiwei1
School of Electronic and Electrical Engineering China, School of Information Management China, School of Financial Technology China, Lixin Research Institute ChinaAcademic Editor: Ferrara Massimiliano
Contact: @hindawi.com
La tarea de similitud textual, que mide la semejanza entre dos fragmentos de texto, ha recibido recientemente mucha atencin en el mbito del procesamiento del lenguaje natural (PLN). Sin embargo, debido a la vaguedad y diversidad de la expresin lingstica, considerar nicamente las caractersticas semnticas o sintcticas, respectivamente, puede provocar la prdida de conocimiento textual crtico. Este artculo propone un nuevo tipo de rbol estructural para la representacin de frases, que explota tanto la informacin sintctica (estructural) como la semntica, conocido como rbol de dependencia de vectores de peso (WVD-tree). El WVD-tree comprende rboles de estructura con informacin sintctica junto con vectores de palabras que representan la informacin semntica de las frases. Adems, se propone un peso de atencin gaussiano para captar mejor las caractersticas semnticas importantes de las frases. Adems, diseamos un ncleo de rbol mejorado para calcular las partes comunes entre dos estructuras y juzgar la similitud. Por ltimo, WVD-tree se prueba en tareas de similitud semntica textual ampliamente utilizadas. Los resultados experimentales demuestran que WVD-tree puede mejorar eficazmente la precisin de los juicios de similitud de frases.
Descripción
La tarea de similitud textual, que mide la semejanza entre dos fragmentos de texto, ha recibido recientemente mucha atencin en el mbito del procesamiento del lenguaje natural (PLN). Sin embargo, debido a la vaguedad y diversidad de la expresin lingstica, considerar nicamente las caractersticas semnticas o sintcticas, respectivamente, puede provocar la prdida de conocimiento textual crtico. Este artculo propone un nuevo tipo de rbol estructural para la representacin de frases, que explota tanto la informacin sintctica (estructural) como la semntica, conocido como rbol de dependencia de vectores de peso (WVD-tree). El WVD-tree comprende rboles de estructura con informacin sintctica junto con vectores de palabras que representan la informacin semntica de las frases. Adems, se propone un peso de atencin gaussiano para captar mejor las caractersticas semnticas importantes de las frases. Adems, diseamos un ncleo de rbol mejorado para calcular las partes comunes entre dos estructuras y juzgar la similitud. Por ltimo, WVD-tree se prueba en tareas de similitud semntica textual ampliamente utilizadas. Los resultados experimentales demuestran que WVD-tree puede mejorar eficazmente la precisin de los juicios de similitud de frases.