Improving hypernymy extraction with distributional semantic classes


Panchenko, Alexander ; Ustalov, Dmitry ; Faralli, Stefano ; Ponzetto, Simone Paolo ; Biemann, Chris



URL: http://www.lrec-conf.org/proceedings/lrec2018/summ...
Weitere URL: https://arxiv.org/abs/1711.02918
Dokumenttyp: Konferenzveröffentlichung
Erscheinungsjahr: 2018
Buchtitel: LREC 2018, 11th International Conference on Language Resources and Evaluation : 7-12 May 2018, Miyazaki (Japan)
Seitenbereich: 1541-1551
Veranstaltungstitel: International Conference on Language Resources and Evaluation 2018
Veranstaltungsort: Miyazaki, Japan
Veranstaltungsdatum: May 7-12, 2018
Herausgeber: Calzolari, Nicoletta
Ort der Veröffentlichung: Paris
Verlag: European Language Resources Association, ELRA-ELDA
ISBN: 979-10-95546-00-9
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Information Systems III: Enterprise Data Analysis (Ponzetto 2016-)
Fachgebiet: 004 Informatik
Freie Schlagwörter (Englisch): semantic classes , distributional semantics , hypernyms , co-hyponyms , word sense induction
Abstract: In this paper, we show for the first time how distributionally-induced semantic classes can be helpful for extraction of hypernyms. We present a method for (1) inducing sense-aware semantic classes using distributional semantics and (2) using these induced semantic classes for filtering noisy hypernymy relations. Denoising of hypernyms is performed by labeling each semantic class with its hypernyms. On one hand, this allows us to filter out wrong extractions using the global structure of the distributionally similar senses. On the other hand, we infer missing hypernyms via label propagation to cluster terms. We conduct a large-scale crowdsourcing study showing that processing of automatically extracted hypernyms using our approach improves the quality of the hypernymy extraction both in terms of precision and recall. Furthermore, we show the utility of our method in the domain taxonomy induction task, achieving the state-of-the-art results on a benchmarking dataset.




Dieser Eintrag ist Teil der Universitätsbibliographie.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Aufruf-Statistik

Aufrufe im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen