WordNet-based Data Augmentation for Hybrid WSD Models

Użyj poniższego opisu do cytowania zasobu albo wyeksportuj go w wybranym formacie:
Janz, Arkadiusz and Maziarz, Marek, 2023, WordNet-based Data Augmentation for Hybrid WSD Models, CLARIN-PL Repository, http://hdl.handle.net/11321/977.
Udostępnij
Autorzy
URI
Data
2023-01-01
Typ
Języki
Opis
Recent advances in Word Sense Disambiguation suggest neural language models can be successfully improved by incorporating knowledge base structure. Such class of models are called hybrid solutions. We propose a method of improving hybrid WSD models by harnessing data augmentation techniques and bilingual training. The data augmentation consist of structure augmentation using interlingual connections between wordnets and text data augmentation based on multilingual glosses and usage examples. We utilise language-agnostic neural model trained both with SemCor and Princeton WordNet gloss and example corpora, as well as with Polish WordNet glosses and usage examples. This augmentation technique proves to make well-known hybrid WSD architecture to be competitive, when compared to current State-of-the-Art models, even more complex.
Wydawca
Słowa kluczowe
Kolekcje
Language Descriptions
Zobacz szczegóły
Ten zasób jestCCi został udostępniony na licencji:Creative Commons - Attribution 4.0 International (CC BY 4.0)
Attribution Required

Dostęp do plików

Pliki w tym zasobie

Pobierz kompletny pakiet albo skopiuj gotowe polecenie do automatycznego pobierania.

Nazwa
Janz, Maziarz, WordNet-based Data Augmentation.pdf
Rozmiar
247.3 KB
Format
application/pdf
Opis
Unknown
Suma kontrolna MD5
520756008a31e443663ef5404db8257f
Preview
Podgląd pliku
  • Podgląd niedostępny

    Podgląd tego pliku nie został jeszcze wygenerowany. Spróbuj ponownie później albo skontaktuj się z administratorem systemu.