Word Embedding for Semantically Related Words: An Experimental Study

Обнаружение сообществ в сложных сетях — фундаментальная проблема, открытая для новых подходов в различных научных областях. Мы представляем новый метод обнаружения сообществ, основанный на потоке Риччи на графах. Наша техника итеративно обновляет веса ребер (их метрические длины) в соответствии с их (комбинаторной) версией кривизны Риччи Фостера, вычисленной на основе эффективного расстояния сопротивления между узлами. Известно, ...

Добавлено: 15 января 2026 г.

Implementing Transport Coding in OMNeT++ for Message Delay Reduction

Петрованов И. С., Сергеев А. В., / Series Computer Science "arxiv.org". 2025. No. 2512.18332.

Добавлено: 24 декабря 2025 г.

Hessian-based lightweight neural network for brain vessel segmentation on a minimal training dataset

Меньшиков И. А., Бернадотт А. К., Елфимов Н. С., / Series arXie "Statistical mechanics". 2025.

Добавлено: 1 декабря 2025 г.

Эффективный алгоритм торговли на фондовом рынке: ретроспективный анализ, основанный на данных по S&P-500.

Рубчинский А. А., Чубарова Д. А., / Series WP7 "Математические методы анализа решений в экономике, бизнесе и политике". 2025. No. WP7/2025/01.

Добавлено: 9 ноября 2025 г.

Типы терминов и их отношений в терминосистеме когнитивной лингвистики

Романова Т. В., В кн.: Когнитивные исследования языка. Вып. №1 (62): материалы Международной научной конференции по когнитивной лингвистике. 5-7 июня 2025. Ч.1Ч. 1. Кн. 62. Вып. 1.: Тюмень: ТюмГУ-Press, 2025. С. 447–450.

В статье рассмотрена классификация терминов когнитивной лингвистики по разным основаниям: по структуре, аутентичности, степени мотивированности, полисемантичности, а также по видам семантических отношений и оппозиций, в которые вступают термины в терминосистеме. ...

Добавлено: 9 июня 2025 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.

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.

Extraction of Hypernyms from Dictionaries with a Little Help from Word Embeddings

Karyaeva M., Браславский П. И., Kiselev Y., , in: Analysis of Images, Social Networks and Texts. 7th International Conference AIST 2018.: Springer, 2018. P. 76–87.

Добавлено: 11 марта 2019 г.

Automatic Mining of Discourse Connectives for Russian

Толдова С. Ю., Pisarevskaya D., Kobozeva M., , in: Artificial Intelligence and Natural Language, 7th International Conference, AINL 2018, St. Petersburg, Russia, October 17–19, 2018, ProceedingsIssue 930.: Switzerland: Springer, 2018. P. 79–87.

Добавлено: 26 октября 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.