Automatic Mining of Discourse Connectives for Russian

S. Toldova; Pisarevskaya D.; Kobozeva M.

doi:10.1007/978-3-030-01204-5_8

Публикации

?

Automatic Mining of Discourse Connectives for Russian

P. 79–87.

Толдова С. Ю., Pisarevskaya D., Kobozeva M.

Язык: английский

Полный текст

DOI

Ключевые слова: word embeddings discourse connectives Rhetotical structure theory

В книге

Artificial Intelligence and Natural Language, 7th International Conference, AINL 2018, St. Petersburg, Russia, October 17–19, 2018, Proceedings

Issue 930. , Switzerland: Springer, 2018.

Пунктуация в предложениях с союзом "то есть" как отражение развития дискурсивных функций

Кувшинская Ю. М., Аксенова А. А., В кн.: Язык и метод: Русский язык в лингвистических исследованиях XXI векаVol. 7.: Kraków: Wydawnictwo Uniwersytetu Jagiellońskiego, 2021. С. 213–222.

Работа посвящена пунктуации в предложениях с союзом "то есть". Данные Национального корпуса русского языка показываютрост частотности употребления этого коннектора в начале независимого предложения, после точки, несмотря на то, что такое употребление пока еще не закреплено в качестве кодифицированной нормы. В работе обсуждаются различия в употреблении "то есть" в середине и в начале предложения: возможность выражать ...

Добавлено: 25 октября 2023 г.

A resource-light method for cross-lingual semantic textual similarity

Glavas G., Franco-Salvador M., Ponzetto S. и др., Knowledge-Based Systems 2018 Vol. 143 P. 1–9

Добавлено: 29 октября 2020 г.

Scalable and language-independent embedding-based approach for plagiarism detection considering obfuscation type: no training phase

Gharavi E., Veisi H., Россо П., Neural Computing and Applications 2020 Vol. 32 No. 14 P. 10593–10607

Добавлено: 29 октября 2020 г.

Evaluation of Vector Transformations for Russian Word2Vec and FastText Embeddings

Korogodina O., Karpik O., Klyshinsky E., , in: GraphiCon 2020 - Proceedings of the 30th International Conference on Computer Graphics and Machine Vision.: St. Petersburg: CEUR-WS, 2020.

Добавлено: 21 октября 2020 г.

Word2vec not dead: predicting hypernyms of co-hyponyms is better than reading definitions

Arefyev N V., Fedoseev M., Kabanov A. и др., , in: Компьютерная лингвистика и интеллектуальные технологии: по материалам ежегодной международной конференции «Диалог» (Москва, 17–20 июня 2020 г.)Issue 19(26): дополнительный том.: -, 2020. P. 13–32.

Добавлено: 9 октября 2020 г.

How much does a word weight? Weighting word embeddings for word sense induction

Arefyev, N., Ermolaev P., Panchenko A., , in: Computational Linguistics and Intellectual Technologies. International Conference "Dialogue 2018" Proceedings.: M.: Conference Proceedings Editorial board, 2018. P. 68–84.

Добавлено: 9 октября 2020 г.

Automatic Mining of Cause-Effect Discourse Connectives for Russian

Pisarevskaya D., Kobozeva M., Petukhova Y. и др., , in: Digital Transformation and Global Society: 4th International Conference, DTGS 2019, St. Petersburg, Russia, June 19–21, 2019, Revised Selected Papers.: Springer, 2019. P. 708–718.

Добавлено: 22 апреля 2020 г.

Proceedings of DISRPT 2019 - The Workshop on Discourse Relation Parsing and Treebanking. NAACL HLT 2019

Association for Computational Linguistics, 2019.

Добавлено: 22 апреля 2020 г.

Contrast and comparison relations in RST framework

Toldova S., Davydova T., Kobozeva M. и др., , in: Computational Linguistics and Intellectual Technologies Papers from the Annual International Conference “Dialogue” (2019)Issue 18.: M.: Russian State University for the Humanitie, 2019. P. 714–727.

Статья посвящена корпусному исследованию отношения Контраста между дискурсивными единицами в русском языке. Используется материал корпуса Ru-RSTreebank, размеченного в рамках Теории риторической структуры [Mann, Thompson 1988]. Простые дискурсивные коннекторы, такие как союзы «а» или «но», неоднозначны и могут маркировать другие отношения, например, Сравнение. Поэтому цель нашего исследования — найти специфические маркеры для Контраста и дополнительные лингвистические ...

Добавлено: 22 апреля 2020 г.

Word Embedding for Semantically Related Words: An Experimental Study

Karyaeva M., Браславский П. И., Sokolov V., Automatic Control and Computer Sciences 2019 Vol. 53 P. 638–643

Добавлено: 10 апреля 2020 г.

Data-driven models and computational tools for neurolinguistics: a language technology perspective

Ekaterina Artemova, Бакаров А. А., Артемов А. В. и др., Journal of Cognitive Science 2020 Vol. 1 No. 21 P. 15–52

Добавлено: 17 января 2020 г.

Learning Word Embeddings without Context Vectors

Зобнин А. И., Elistratova E., , in: Proceedings of the 4th Workshop on Representation Learning for NLP (RepL4NLP-2019)Issue W19-43.: Association for Computational Linguistics, 2019. P. 244–249.

Добавлено: 9 ноября 2019 г.

A Dataset for Noun Compositionality Detection for a Slavic Language

Puzyrev D., Shelmanov A., Panchenko A. и др., , in: Proceedings of the 7th Workshop on Balto-Slavic Natural Language Processing, 2019, Florence, Italy, Association for Computational Linguistics.: Association for Computational Linguistics, 2019. P. 56–62.

Добавлено: 30 октября 2019 г.

Noun Compositionality Detection using Distributional Semantics for the Russian Language

Пузырев Д. А., Shelmanov A., Panchenko A. и др., , in: Analysis of Images, Social Networks and Texts. 8th International Conference AIST 2019.: Springer, 2019. P. 218–229.

Добавлено: 30 октября 2019 г.

The cues for rhetorical relations in Russian: "Cause-Effect" relation in Russian Rhetorical Structure Treebank

Толдова С. Ю., Pisarevskaya D., Vasilyeva M. и др., , in: Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной международной конференции «Диалог» (Москва, 30 мая — 2 июня 2018 г.)Вып. 17(24).: М.: Издательский центр «Российский государственный гуманитарный университет», 2018. P. 747–761.

Добавлено: 1 сентября 2018 г.

Text classification with deep learning neural networks

Voronkov Ilia, Amajd M., Kaimuldenov Z., , in: Actual Problems of System and Software Engineering 2017. Proceedings of the 5th International Conference on Actual Problems of System and Software Engineering Supported by Russian Foundation for Basic Research. Project #17-07-20565 Moscow, Russia, November 14-16, 2017, 408 P.Vol. 1989.: Aachen: CEUR Workshop Proceedings, 2017. P. 362–370.

Добавлено: 16 августа 2018 г.

Rotations and Interpretability of Word Embeddings: The Case of the Russian Language

Зобнин А. И., , in: Analysis of Images, Social Networks and Texts. 6th International Conference, 2017, Revised Selected PapersVol. 10716.: Cham: Springer, 2018. Ch. 11 P. 116–128.

Добавлено: 26 ноября 2017 г.

Extracting social networks from literary text with word embedding tools

Wohlgenannt G., Артемова Е. Л., Ильвовский Д. А., , in: Proceedings of the Workshop on Language Technology Resources and Tools for Digital Humanities (LT4DH).: Osaka: [б.и.], 2016. Ch. 4 P. 18–26.

Добавлено: 6 марта 2017 г.

Exploration of register-dependent lexical semantics using word embeddings

Кутузов А. Б., Кузьменко Е. А., Marakasova A., , in: Proceedings of the Workshop on Language Technology Resources and Tools for Digital Humanities (LT4DH).: Osaka: [б.и.], 2016. P. 26–34.

Добавлено: 12 ноября 2016 г.

Redefining part-of-speech classes with distributional semantic models

Кутузов А. Б., Velldal E., Øvrelid L., , in: Proceedings of The 20th SIGNLL Conference on Computational Natural Language Learning.: Berlin: Association for Computational Linguistics, 2016. P. 115–125.

Добавлено: 12 ноября 2016 г.

Improving Distributional Semantic Models Using Anaphora Resolution during Linguistic Preprocessing

Кутузов А. Б., Козлова О. С., , in: Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной международной конференции «Диалог» (Москва,1–4 июля 2016 г.)Вып. 15.: М.: Изд-во РГГУ, 2016. P. 288–300.

Добавлено: 12 ноября 2016 г.