Lehengo astean CoNLL 2018 biltzar zientifikoko artikulu onenaren saria eman zieten Mikel Artetxe, Gorka Labaka, Iñigo Lopez-Gazpio, eta Eneko Agirre ixakideei. “Hizkuntza-ikasketa konputazionala” da CoNLL biltzarreko ikergaia (22nd Conference on Computational Natural Language Learning, CoNLL 2018).
Zorionak!
Saritutako artikuluaren izenburua hau da: “Uncovering Divergent Linguistic Information in Word Embeddings with Lessons for Intrinsic and Extrinsic Evaluation”
Euskaraz: “Informazio linguistiko dibergentea azaleratzen hitzen bektore-errepresentazio distribuzionaletan, ebaluazio intrinseko eta estrinsekorako zenbait ikasgairekin”.
Hitzen bektore-errepresentazio distribuzionalen arrakastaren harira, hitzen errepresentazio idealik ez dagoela argudiatu izan da, eredu ezberdinek elkarren artean bateraezinak diren ezaugarriak kodetzen baitituzte, semantika/sintaxia eta antzekotasuna/erlazioa kasu. Artikulu honetan, eredu distribuzionalek zuzenean azaleratzen dutena baino informazio gehiago jasotzen dutela erakusten dugu. Transformazio lineal batek ereduaren antzekotasun-ordena egokitu dezake kanpoko baliabiderik erabili gabe, ezaugarri horietan emaitza hobeak lortzeko. Horrela, bektore-errepresentazio distribuzionalek informazio linguistiko desberdin horiek nola kodetzen dituzten azaltzeko ikuspegi berri bat eskaintzen dugu. Gainera, ebaluazio intrintseko eta estrintsekoen arteko erlazioa aztertu dugu, downstream zereginetan transformazioen eragina handiagoa baita gainbegiratu gabeko sistemetan gainbegiratuetan baino.
Artikuluan erabili diren programen inplementazio irekia eta ebaluaziorako ingurunea jaso daitezke GitHubetik: UncoVec
Iruzkinak (1)