FrameNet keretek és keretelemek felismerése neurális hálózatok és szódisztribúciós adatok felhasználásával
Egyszerű visszacsatolt neurális hálózatok segítségével FrameNetalapú keretszemantikai elemzést végeztem 9 különböző szóreprezentációs módszer felhasználásával 12 FrameNet keretre és ezek keretelemeire. A kipróbált szóreprezentációs eljárások között szerepeltek a szavak disztribúciós tulajdonságait l...
Elmentve itt :
| Szerző: | |
|---|---|
| Testületi szerző: | |
| Dokumentumtípus: | Könyv része |
| Megjelent: |
2019
|
| Sorozat: | Magyar Számítógépes Nyelvészeti Konferencia
15 |
| Kulcsszavak: | Nyelvészet - számítógép alkalmazása |
| Online Access: | http://acta.bibl.u-szeged.hu/59083 |
| LEADER | 01871naa a2200205 i 4500 | ||
|---|---|---|---|
| 001 | acta59083 | ||
| 005 | 20221108114922.0 | ||
| 008 | 190703s2019 hu o 1|| zxx d | ||
| 020 | |a 978-963-315-393-2 | ||
| 040 | |a SZTE Egyetemi Kiadványok Repozitórium |b hun | ||
| 041 | |a zxx | ||
| 100 | 1 | |a Tóth Ágoston | |
| 245 | 1 | 0 | |a FrameNet keretek és keretelemek felismerése neurális hálózatok és szódisztribúciós adatok felhasználásával |h [elektronikus dokumentum] / |c Tóth Ágoston |
| 260 | |c 2019 | ||
| 300 | |a 163-173 | ||
| 490 | 0 | |a Magyar Számítógépes Nyelvészeti Konferencia |v 15 | |
| 520 | 3 | |a Egyszerű visszacsatolt neurális hálózatok segítségével FrameNetalapú keretszemantikai elemzést végeztem 9 különböző szóreprezentációs módszer felhasználásával 12 FrameNet keretre és ezek keretelemeire. A kipróbált szóreprezentációs eljárások között szerepeltek a szavak disztribúciós tulajdonságait leíró, nagy méretű korpuszból gyűjtött szóvektorok, melyek lehetővé tették a FrameNet keretek felismerését 91%-os pontossággal 86% fedés mellett (F-mérték: 89%), a keretelemek felismerése pedig 56%-os pontosságú volt 50%-os fedéssel (F-mérték: 53%). A disztribúciós szóábrázolások előnye az eltérő módszerekhez képest jelentős volt. A disztribúciós eszközök közül a környezetszavak leszámlálásán alapuló technikák és a neurális hálózatokban kialakuló prediktív szóbeágyazások egymáshoz hasonló teljesítményt nyújtottak ebben a kísérletben, a prediktív eljárások CBOW és SkipGram osztályai pedig közel azonos eredményt szolgáltattak. | |
| 695 | |a Nyelvészet - számítógép alkalmazása | ||
| 710 | |a Magyar Számítógépes Nyelvészeti Konferencia (15.) (2019) (Szeged) | ||
| 856 | 4 | 0 | |u http://acta.bibl.u-szeged.hu/59083/1/msznykonf_015_163-173.pdf |z Dokumentum-elérés |