Bayesian neural word embedding

פרסום מחקרי: תוצר מחקר מכנסהרצאהביקורת עמיתים


Recently, several works in the domain of natural language processing presented successful methods for word embedding. Among them, the Skip-Gram with negative sampling, known also as word2vec, advanced the state-of-the-art of various linguistics tasks. In this paper, we propose a scalable Bayesian neural word embedding algorithm. The algorithm relies on a Variational Bayes solution for the Skip-Gram objective and a detailed step by step description is provided. We present experimental results that demonstrate the performance of the proposed algorithm for word analogy and similarity tasks on six different datasets and show it is competitive with the original Skip-Gram method.

שפה מקוריתאנגלית
מספר עמודים9
סטטוס פרסוםפורסם - 2017
פורסם באופן חיצוניכן
אירוע31st AAAI Conference on Artificial Intelligence, AAAI 2017 - San Francisco, ארצות הברית
משך הזמן: 4 פבר׳ 201710 פבר׳ 2017


כנס31st AAAI Conference on Artificial Intelligence, AAAI 2017
מדינה/אזורארצות הברית
עירSan Francisco

הערה ביבליוגרפית

Publisher Copyright:
Copyright © 2017, Association for the Advancement of Artificial Intelligence ( All rights reserved.

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Bayesian neural word embedding'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי