論文筆記整理：譚亦鳴，東南大學博士生，研究方向為知識圖譜問答。

---

來源：Knowledge Based System

鏈接：https://www.sciencedirect.com/science/article/abs/pii/S0950705118301412?via%3Dihub

?

雙語word embedding將兩種語言表示與同一個空間中，使之不依賴機器翻譯的情況下，實現(xiàn)知識從某一語言到另一語言的轉換。實現(xiàn)這一方法的主要流程包括：1.訓練單語embedding；2. 利用雙語詞典構建雙語映射關系。不同于這一做法，本文提出基于多語言知識庫（例如wordnet）的雙語embedding方法，基本思路是通過在多語言wordnet上隨機游走抽取出雙語信息，而后學習到聯(lián)合embedding空間中。

?

動機

現(xiàn)有的方法主要基于雙語詞典構建不同語言之間的橋梁，作者認為雙語詞典雖然給出了基本的對齊信息，但是以wordnet為代表的多語言知識庫則可以在基本對齊的基礎上增加同義，上下位關系等等更多的語義信息，這些可以用于構建更高質量的雙語embedding。

?

貢獻

提出了一種基于多語言知識庫上隨機游走的雙語embedding方法

探究了從wordnet中抽取雙語約束改進Skipgram的loss-function的方法

利用wordnet構建雙語人工語料，并與單語數(shù)據(jù)集結合用于改進embedding方法

?

方法

帶有約束的雙語embedding

關于Skipgram

Skipgram是一種利用當前詞w預測其上下文文本c的模型，目標為通過文本語料學習參數(shù)θ，使得概率P(c|w;θ)最大化。本文主要關注Skipgram中負樣本在損失函數(shù)中的表現(xiàn)形式如下所示：

其中，（w, c）表示語料中的詞w及其共現(xiàn)文本中的詞c（共現(xiàn)文本由設定為K的窗口參數(shù)確定），c_n表示負樣本文本的詞，P(c)表示噪聲分布（負樣本集）

?

引入雙語約束

對于不同語言的單語語料，獲得雙語embedding的直接方式就是從句子級別對他們進行融合，而后利用其中的公用詞，比如數(shù)字，專有名詞等等作為橋梁找尋雙語文本中的共現(xiàn)成分。但是顯然這種公用詞的數(shù)量是不足以構建高質量embedding的。

一種強化聯(lián)合embedding空間的方式是對于上述loss-function添加約束，這種約束一般來自于外部數(shù)據(jù)，提供諸如句法，相關詞等等信息。作者在這里使用基于雙語詞典的對等翻譯，強制規(guī)范原始詞與其另一種語言的對等詞之間的距離，從而得到如下改進loss-function：

知識庫隨機游走

隨機游走的目的是從知識庫中獲取能夠反映結構信息的共現(xiàn)數(shù)據(jù)，從而用于構建wordrepresentations。

單語隨機游走

首先，文章給出了單語圖譜上的隨機游走算法，對于給定圖譜G=(C, E)，其中C表示概念集，E表示概念之間的邊集合。N(c)表示c在圖譜上的鄰居節(jié)點集，D(c)表示c可能的詞匯化表達，SC表示游走結果集，S表示每一輪循環(huán)游走得到的節(jié)點路徑集。

算法過程描述如下：

初始化SC為空集

根據(jù)預先定義的概率分布從C中選擇一個c

根據(jù)預先定義的概率分布從c的鄰居中隨機選擇N(c)，及c的詞匯化表達D(c)

重復2，3步直到達到游走步數(shù)I

從而得到圖譜隨機游走生成的文本，該文本帶有語義結構信息(從語法上不一定成句子)。

利用生成文本（或者說詞序列）從自然語言語料中抽取成分共現(xiàn)的句子，從而得到帶有結構信息的自然語言語料

?

雙語隨機游走

為了實現(xiàn)多語言知識庫上的隨機游走，作者在算法1的基礎上進行以下改進：

將單語詞匯化表達D(c)變?yōu)殡p語集，即對于某concept由兩種語言的表達可選(當知識庫沒有相關對齊時，某一語言的表達可以為空)，修改效果如算法2，添加了一個隨機選擇D(c)的語言步驟，其他與單語算法基本一致。

這樣得到的輸出序列可能同時包含兩種語言的詞匯，同樣，利用單語文本共現(xiàn)抽取，可以構建該序列的自然語言句子。

?

實驗

數(shù)據(jù)方面使用到了Wikipedia corpora以及wordnets

語言方面包含Basque，English，Spanish等版本（具體見原文）

一些統(tǒng)計信息如下：

這篇文章的實驗做的比較細，部分實驗結果如下：

添加雙語約束實驗

?

隨機游走實驗

推薦閱讀：
論文淺嘗 | 基于屬性嵌入的知識圖譜實體對齊
論文淺嘗 | 基于圖匹配神經網絡的跨語言知識圖對齊 (ACL 2019)

---

?

OpenKG

開放知識圖譜（簡稱 OpenKG）旨在促進中文知識圖譜數(shù)據(jù)的開放與互聯(lián)，促進知識圖譜和語義技術的普及和廣泛應用。

點擊閱讀原文，進入 OpenKG 博客。

總結

以上是生活随笔為你收集整理的论文浅尝 | 利用多语言 wordnet 上随机游走实现双语 embeddings的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。