Explicit Semantic Analysis (ESA)

最新推荐文章于 2022-06-12 23:59:59 发布
最新推荐文章于 2022-06-12 23:59:59 发布
阅读量3.1k 收藏 2
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/three_body/article/details/30838823
版权
ESA是一种基于Wikipedia的语义分析方法，它为每个单词生成高维向量表示，用于捕捉语义并解决多义词问题。这种方法在文本分类和计算文本语义相关性方面表现出色，且由于使用自然概念，解释性较强。
摘要由CSDN通过智能技术生成


有别于LSA (Latent Semantic Analysis)， 下列文章提出一种ESA (Explicit Semantic Analysis), 并介绍如何使用ESA来进行语义相关性和文本分类工作。 文章的基本思路其实也很简单，就是基于wikipedia网站内容，生成每一个曾经出现在wikipedia文章中的单词的语义表示。 每个单词的语义表示是一个高维向量， 而对应的每一个维就是wikipedia中的concept。基于单词的语义表示， 进一步可以得到文本串和文档的语义表示。如作者描述，这样的语义表示，对于短文本的语义处理很有帮助。并且，对于多义词，语义表示本身就可以提供消歧的可能。在上下文中，通过上下文词语的语义表示，多义词在该上下文中正确语义部分得到强化从而实现语义消歧。


Wikipedia-based Semantic Interpretation for Natural Language Processing
http://www.aaai.org/Papers/JAIR/Vol34/JAIR-3413.pdf

Evgeniy Gabrilovich and Shaul Markovitch. 


Abstract
Adequate representation of natural language semantics requires access to vast amounts of common sense and domain-specific world k

最低0.47元/天 解锁文章
水滴杂谈
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
读《Computing Semantic Relatedness using Wikipedia-based Explicit Semantic Analysis》
Jackie Tan的专栏
04-14 1582
标题和摘要         先对本文题目做一个翻译，按照文献惯有“基于……”的命名模式，可翻译为：基于维基百科显性语义分析法的语义相关度计算。本文是ESA的集大乘者Gab（Evgeniy Gabrilovich）和另一学者合作完成的一篇文献。这个题目看完后有个小疑问，因为之前看过的诸多文献，我形成了先入为主的观点，ESA本身就是研究语义相关的，或者说这个方法的流程以及最后的结果都是得到语义相关度
读“基于明确语义分析的自动文摘算法”
Jackie Tan的专栏
03-30 2428
标题         基于ESA的自动文摘算法，单从论文标题可以看出是ESA作为一种工具在“自动文摘”领域中的具体应用，就同《基于显性语义分析的专家相似度研究》一样是在“专家检索”中的应用。所以很好奇想通过比较，探究一下ESA的core在哪，ESA的外延又怎么应用。 解决什么问题         在摘要和概要中，作者表明本文要解决的是限定在医药学领域范围内，用ESA方法对文章进行自动
Wiki-ESA:基于维基百科的显式语义分析
05-20
Wiki-ESA 基于维基百科的显式语义分析 这是一个python库，其中包含以下代码：1）根据来自Wikipedia的数据构造语义解释器，以及2）将其应用于各种文本。 要构建解释器，请首先从获得Wikipedia XML转储。 然后以下载的文件作为参数运行xml_parse.py。 这将输出一些临时文件，其中包含有关所遇到的单词，链接和文章的信息。 接下来，运行generate_indices.py生成与遇到的唯一单词和文章相对应的索引列表。 最后，运行matrix_builder.py构造一个非常大的稀疏解释矩阵。 每行对应一个唯一的单词，每列对应一个“概念”，即Wikipedia文章，并且每个条目都是文章j中单词i的TF-IDF分数。 矩阵保存在单独的块中，以节省内存。 medium_wiki.xml可以用作示例文件，以进行演示/测试，因为它仅包含前100篇左右的Wiki
Computing Semantic Relatedness using Wikipedia-based Explicit Semantic Analysis
killtayoto的专栏
12-14 2440
以前我们都是听说的Latent Semantic Analysis，也就是所谓的“潜在语义分析”，一个很好的学习网站是：LSA。最近在看一个论文的时候，偶然看到了Explicit Semantic Analysis。于是去查了一下这个算法，发现很多地方都在用，而且在计算语义相关性上面用的很多。我不知道是否是我的理解有问题，但是我看了论文之后，突然发现这个算法怎么就是一个“信息检索”的过程。论文题目是《Computing Semantic Relatedness using Wikipedia-based E
ANSYS Explicit Dynamics Analysis Guide.pdf
11-08
总而言之，《ANSYS Explicit Dynamics Analysis Guide》是工程师和研究人员进行显式动力学分析的宝贵资源，提供了一套全面的工具和技术，帮助他们理解和应用ANSYS软件来解决复杂的瞬态动力学问题。
C++ Explicit关键字详细解析
09-05
在C++编程语言中，`explicit`关键字是一个非常重要的特性，它主要用于控制类的构造函数如何参与类型转换。本文将详细解析`explicit`关键字的用途、意义以及它如何影响类对象的创建和赋值。 `explicit`关键字用于...
C++ explicit通俗解释
10-08
C++ explicit关键字在刚学的时候就接触到了，也从各处了解了一些，但始终云里雾里，在闲来无事的时候再仔细研究了一下，自己消化理解了一下，自认为比其他网友总结的精简而不失准确。
C++ explicit构造函数实例解析
09-04
在C++编程语言中，`explicit`关键字是一个非常重要的特性，它用于控制类的构造函数如何进行隐式类型转换。本文将深入探讨`explicit`构造函数的概念、作用以及如何避免潜在的编程错误。 首先，让我们理解什么是构造...
Business Case Analysis with R
07-26
The R language, traditionally used for statistical analysis, provides a more explicit, flexible, and extensible environment than spreadsheets for conducting business case analysis. The main tutorial...
WikiRelate! Computing Semantic Relatedness Using Wikipedia
killtayoto的专栏
12-16 1572
上一篇论文中提到了用ESA（显式语义分析）的方法来计算语义相似度，但是通常都是计算句子和句子之间的相似度。要计算词之间的相似度，需要用到扩展技术，也就是将一个词扩展到一个上下文环境中。今天又看到一篇关于计算语义相关性的文章，同样是利用了wiki的资源。题目是《WikiRelate! Computing Semantic Relatedness Using Wikipedia》，翻译过来是《WikiRelate! 利用wiki来计算语义相关性》，作者是Strube。
WikiRelate! Computing Semantic Relatedness Using Wikipedia转载
青木宫的博客
04-23 330
WikiRelate! Computing Semantic Relatedness Using Wikipedia https://blog.csdn.net/killtayoto/article/details/6079457
语义分析的一些方法
xiaocong1990的博客
04-17 963
见：语言分析的一些方法（一）        语言分析的一些方法（二）        语言分析的一些方法（三）
An Ontology Search Engine Based on Semantic Analysis
mudboy的专栏
03-08 2282
AbstractSearching useful information and locating appropriateOntology from WWW or Semantic Web is an important taskin Ontology research domain. The most difference betweenOntology information and comm
plsa(Probabilistic Latent Semantic Analysis) 概率隐语义分析
thriving_fcl的博客
03-13 5024
plsa，也就是概率隐语义分析，是主题模型的一种。本文简介主题模型的概念，讲解plsa如何估计主题模型中的参数，以及算法的推导过程及代码实现
【译】潜在语义分析Latent Semantic Analysis (LSA)
热门推荐
卖小孩的咖啡
08-11 1万+
目录目录 概述 Tutorial LSA的工作原理 How Latent Semantic Analysis Works 实例A Small Example Part 1 - Creating the Count Matrix Python - Import Functions Python - Define Data Python - Define LSA Class Python - Parse
分割网络综述——Deep Semantic Segmentation of Natural and Medical Images: A Review
qq_37151108的博客
05-08 1448
论文阅读之分割网络综述 Deep Semantic Segmentation of Natural and Medical Images: A Review 摘要 图像语义分割主要完成像素级别的密集预测任务，同属于一类的像素组成实例可用于场景识别、理解图像内容等。而在医学图像分析领域，图像分割可用来帮助医生辅助诊断。本文则对目前主流的分割网络及医学图像分割网络从以下方面进行综述：结构优化、损失函数...
基于内容和知识的推荐-基于语义的文本相似度度量
KPer_Yang的博客
06-12 582
基于内容和知识的推荐-基于语义的文本相似度度量
Latent semantic analysis note(LSA)
VergiL Wang的专栏
03-29 429
1 LSA Introduction LSA(latent semantic analysis)潜在语义分析，也被称为LSI(latent semantic index)，是Scott Deerwester, Susan T. Dumais等人在1990年提出来的一种新的索引和检索方法。该方法和传统向量空间模型(vector space model)一样使用向量来表示词(terms)和...
explicit C++
最新发布
12-16
explicit是C++中的一个关键字，它只能用于修饰只有一个参数的类构造函数。它的作用是表明该构造函数是显示的，而非隐式的。如果一个类构造函数被explicit修饰，那么在使用该构造函数进行类型转换时，必须显式地进行...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值