An Unsupervised Method for Weighting Finite-state Morphological Analyzers

Публикации

?

An Unsupervised Method for Weighting Finite-state Morphological Analyzers

P. 3842–3850.

Таерз Ф. М., Keleg A., Pirinen T.

Язык: английский

Полный текст

Текст на другом сайте

В книге

Proceedings of The 12th Language Resources and Evaluation Conference

Vol. 12. , European Language Resources Association (ELRA), 2020.

Высокоуровневая семантическая интерпретация структуры статических моделей для русского языка

Сериков О. А., Ганеева В. А., Аксенова А. А. и др., Вестник Новосибирского государственного университета. Серия: Лингвистика и межкультурная коммуникация 2023 Т. 21 № 1 С. 67–82

ной и практической деятельности. С течением времени стало понятно, что необходима разработка новых методов интерпретации расположения слов в векторном пространстве. Существующие методы включали рассмотрение узкого круга аналогий либо кластеризацию пространства. В последние годы активно развивается подход на основе пробинга – анализа влияния небольших изменений в модели на результат. В этой работе мы предлагаем метод интерпретации ...

Добавлено: 28 апреля 2025 г.

Adjectivization in Russian: Analyzing participles by means of lexical frequency and constraint grammar

Петрунина У. С., “Doktorgradsavhandlinger (HSL-fak)” Collections, 2021.

Добавлено: 2 октября 2024 г.

You shall know a piece by the company it keeps. Chess plays as a data for word2vec models

Орехов Б. В., / Series Computer Science "arxiv.org". 2024.

Добавлено: 8 августа 2024 г.

Effectiveness of ELMo embeddings, and semantic models in predicting review helpfulness

Malik M. S., Nawaz A., Jamjoom M. M. и др., Intelligent Data Analysis 2024 Vol. 28 No. 4 P. 1045–1065

Добавлено: 26 февраля 2024 г.

Конструирование образа города в официальной и обыденной коммуникации: сравнительный анализ (на материале социальных медиа)

Маткин Н. А., Коммуникации. Медиа. Дизайн 2025 Т. 10 № 3 С. 89–110

В статье предлагается анализ и визуализация российских образов городов, формирующихся в комментариях подписчиков городских сообществ и постов пресс-служб администраций. Образ города рассматривается как фреймовая структура, формирующаяся через политическую и межличностную коммуникацию в сети. Социальная составляющая образа города выделяется как определяющая. В работе апробирована методология изучения образа города в отечественной социальной сети VK. Методология состоит из ...

Добавлено: 15 ноября 2023 г.

Identifying emerging trends and hot topics through intelligent data mining: the case of clinical psychology and psychotherapy

Соколова А. В., Лобанова П. А., Кузьминов И. Ф., Foresight 2024 Vol. 26 No. 1 P. 155–180

Добавлено: 12 октября 2023 г.

How to detect propaganda from social media? Exploitation of semantic and fine-tuned language models

Малик М. Ш., Imran T., Mona Mamdouh J., PeerJ Computer Science 2023 Vol. 9 Article e1248

Добавлено: 4 сентября 2023 г.

Automated defect identification for cell phones using language context, linguistic and smoke-word models

Muhammad Z. Y., Малик М. Ш., Игнатов Д. И., Expert Systems with Applications 2023 Vol. 227 Article 120236

Добавлено: 13 июня 2023 г.

Detection of semantic changes in Russian nouns with distributional models and grammatical features

Рыжова А. А., Рыжова Д. А., Соченков И. В., , in: Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference “Dialogue” (2021)Issue 20: Основной том.: -, 2021. P. 597–606.

Добавлено: 30 октября 2021 г.

Automated Analysis of Discourse Coherence in Schizophrenia: Approximation of Manual Measures

Рязанская Г. М., Худякова М. В., , in: Proceedings of the LREC 2020 Workshop on: Resources and Processing of Linguistic, Para-linguistic and Extra-linguistic Data from People with Various Forms of Cognitive/Psychiatric/Developmental Impairments (RaPID-3).: European Language Resources Association (ELRA), 2020. P. 98–107.

Добавлено: 2 февраля 2021 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.

WORD VECTOR MODELS AS AN OBJECT OF LINGUISTIC RESEARCH

Шаврина Т. О., , in: Компьютерная лингвистика и интеллектуальные технологии: По материалам ежегодной международной конференции «Диалог» (Москва, 29 мая — 1 июня 2019 г.)Вып. 18(25).: [б.и.], 2019. P. 576–588.

Добавлено: 5 сентября 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.

Webvectors: A toolkit for building web interfaces for vector semantic models

Kutuzov A., Кузьменко Е. А., , in: Supplementary Proceedings of the 5th International Conference on Analysis of Images, Social Networks and Texts (AIST-SUP 2016), Yekaterinburg, Russia, April 7-9, 2016.Vol. 1710.: Aachen: CEUR Workshop Proceedings, 2016. P. 155–161.

The paper presents a free and open source toolkit which aim is to quickly deploy web services handling distributed vector models of semantics. It fills in the gap between training such models (many tools are already available for this) and dissemination of the results to general public. Our toolkit, WebVectors, provides all the necessary routines for ...

Добавлено: 20 апреля 2017 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.

Automated Word Sense Frequency Estimation for Russian Nouns

Лопухина А. А., Лопухин К. А., Носырев Г. В., , in: Quantitative approaches to the Russian language.: Abingdon: Routledge, 2018. P. 79–94.

Добавлено: 11 октября 2016 г.

Word Sense Disambiguation for Russian Verbs Using Semantic Vectors and Dictionary Entries

Лопухина А. А., Лопухин К. А., Компьютерная лингвистика и интеллектуальные технологии 2016 No. 15 P. 393–405

Добавлено: 11 октября 2016 г.

Texts in, meaning out: neural language models in semantic similarity task for Russian

Кутузов А. Б., Andreev I., , in: Computational Linguistics and Intellectual Technologies. Papers from the Annual International Conference “Dialogue” (2015)Issue 14(21).: M.: Russian State University for the Humanitie, 2015. P. 143–154.

Добавлено: 31 мая 2015 г.

Comparing Neural Lexical Models of a Classic National Corpus and a Web Corpus: The Case for Russian

Кутузов А. Б., Кузьменко Е. А., , in: Computational Linguistics and Intelligent Text Processing, Lecture Notes in Computer ScienceVol. 9041.: Springer, 2015. P. 47–58.

Добавлено: 23 апреля 2015 г.