Título: | UMA ABORDAGEM RÁPIDA E ECONÔMICA PARA WORD MOVER S DISTANCE | ||||||||||||
Autor: |
MATHEUS TELLES WERNER |
||||||||||||
Colaborador(es): |
EDUARDO SANY LABER - Orientador |
||||||||||||
Catalogação: | 02/ABR/2020 | Língua(s): | INGLÊS - ESTADOS UNIDOS |
||||||||||
Tipo: | TEXTO | Subtipo: | TESE | ||||||||||
Notas: |
[pt] Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio. [en] All data contained in the documents are the sole responsibility of the authors. The data used in the descriptions of the documents are in conformity with the systems of the administration of PUC-Rio. |
||||||||||||
Referência(s): |
[pt] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=47317&idi=1 [en] https://www.maxwell.vrac.puc-rio.br/projetosEspeciais/ETDs/consultas/conteudo.php?strSecao=resultado&nrSeq=47317&idi=2 |
||||||||||||
DOI: | https://doi.org/10.17771/PUCRio.acad.47317 | ||||||||||||
Resumo: | |||||||||||||
O Word Mover s Distance (WMD) proposto por Kusner et al.
[ICML,2015] é uma função de distância entre documentos que se aproveita
das relações semânticas entre palavras extraidas por suas Word Embeddings. Essa função de distância se mostrou bastante eficaz, obtendo taxas
de erro estado da arte para problemas de classificação, porém ao mesmo
tempo inviável para largas coleções ou grandes documentos devido a ser
necessário computar um problema de transporte em um grafo bipartido
completo para cada par de documentos.
Assumindo algumas hipóteses, que são respaldadas por propriedades empíricas das distâncias entre as Word Embeddings, nós simplificamos o WMD
de forma a obter uma nova função de distância o qual requer a solução
de um problema de fluxo máximo em um grafo esparço, que pode ser resolvido mais rapidamente do que um problema de transporte em um grafo
denso. Nossos experimentos mostram que conseguimos obter ganhos de performance até três ordens de magnitude acima do WMD enquanto mantendo
as mesmas taxas de erro na tarefa de classificação de documentos.
|
|||||||||||||
|