文献紹介：Learning Lexical Subspaces in a Distributional Vector Space

Transcript

1. Learning Lexical Subspaces in a Distributional Vector Space Kushal Arora,

   Aishik Chakraborty, Jackie C. K. Cheung TACL2020 相田太一 東京都立大学 小町研究室 最先端NLP

2. 概要 - 単語の語彙・意味的な関係（類義語、上位語な ど）を単語ベクトル空間から変換した subspace で表現 - 元のベクトル空間の情報を保持したまま内在・外 因的評価で既存の手法を上回る 2

3. 導入 - 問題点：分布仮説は対義語を扱えない →制約を加えて単語ベクトルを修正する研究 ✅ 指定した意味的関係を扱えるようになる ❌ 元のベクトルが持つ情報が失われる （→下流タスクでの性能低下） ❌

   複数の関係を扱うのが困難 （対義語：対称, 上位概念：非対称） 3

4. 提案手法：LexSub - 解決方法：扱う情報ごとに空間を分ける - 分布の情報：元のベクトル空間 - 各意味的関係（対義語, 上位語, 部分）：元のベクトル空間 から線形変換した

   subspace 4

5. - 学習： - 変換行列 W を使い、各 subspace に変換 - 各関係を持つ単語セット

   R で学習 - 類義語：単語ペアを近づける - 対義語：単語ペアを離す negative sampling 提案手法：各意味関係の subspace を学習 5 cos 距離 同じ subspace なので、同 じ変換行列 W syn を使う

6. - 上位語：非対称（✅ 🍎→果物, ❌ 果物→🍎） - 部分関係：非対称（✅ 🍁→🌲, ❌ 🌲→🍁）

   negative sampling 片方 i は j に近づける （類義語 L syn ） 他方 j は i から離す （対義語 L ant ） 提案手法：各意味関係の subspace を学習 6

7. - 最終的な損失関数 各 subspace の 損失関数 提案手法：各意味関係の subspace を学習 7

   事前訓練済み単語ベクトル行列 X と学 習過程の単語ベクトル行列 X’ の 二乗ノルム

8. 実験：設定 - 内在的評価・外因的評価を行った - 内在的評価： - 類似度タスク（men3k, WS-353R） - 類義語・対義語（Simlex,

   Simverb） - 上位語・下位語（Hyperlex, WBLESS, BIBLESS, BLESS, LEDS, EVAL, WEEDS） - 外因的評価：AllenNLP toolkit での入力層の埋め込みを 置き換える - 固有名詞抽出（NER） - 感情分類（SST） - 含意関係（SNLI） - 質問応答（SQuAD） - 言い換え検出（QQP） 8

9. 実験：比較手法 - ベースライン：元のベクトルを直接調整 - Vanilla：GloVe - Wikipedia, Gigaword で事前訓練済み -

   Retrofitting：近い単語を近づける訓練 - Counterfitting：Retrofitting + 対義語 - LEAR：上位語・下位語に対応 - 提案手法と共に以下の単語セットで調整 9

10. 結果：内在的評価（類似度） - LexSub は元のベクトル空間を使用 - subspace を学習しつつ、訓練時の情報を保持 10

11. 結果：内在的評価（類似度） - LexSub は元のベクトル空間を使用 - subspace を学習しつつ、訓練時の情報を保持 11 Counterfitting は対義語、LEAR

    は上位語に対応した制約を加えて いるのが悪影響だった？

12. 結果：内在的評価（上位語） - LexSub は上位語の subspace を使用 - 上位語特化の LEAR の性能を上回る

    12

13. 結果：外因的評価 微調整あり（Setup 1）、なし（Setup 2） - LexSub は元のベクトル空間を使用 - 多くのタスクでベースラインを上回る 13

14. 結果：外因的評価 微調整あり（Setup 1）、なし（Setup 2） - 他の手法は Vanilla を下回る→ベクトル空間を分 けて意味関係を学習するのが効果的？ 14

15. 分析：3つの疑問について 1. LexSub の各 subspace は対応する意味関係を どの程度捉えているか？ 2. LexSub の各

    subspace は下流タスクにおける ニューラルなモデルで再現できるか？ 3. LexSub の元の埋め込み空間は情報をどれだけ 保持しているか？ 15

16. 分析：各 subspace が 捉えている意味関係 - 各 query に対するそれぞれの周辺語 - それぞれの関係を捉えている？

    16

17. 分析：各 subspace が 捉えている意味関係 - Hyperlex, Simlex999 で 対義語、上位語、部分 関係を捉えるタスク

    - LexSub の各 subspace がそれぞれ高性能 17

18. 分析：各 subspace を 下流タスクのモデルで再現 - 類義語・対義語・上位語・部分関係を予測 - LexSub がベースラインを上回る→各subspace への線形変換をニューラルが再現？

    18

19. 分析：元々のベクトル空間 - 元のベクトルは情報を保持できているか？ - Vanilla との二乗ノルム（＝情報損失）を計算 - LexSub の損失はベースラインの 1/30

    程度 →事前学習の情報を保持したまま各関係を学習 19

20. 結論 - 単語の語彙・意味的な関係（類義語、上位語な ど）を単語ベクトル空間から変換した subspace で表現 - 元のベクトル空間の情報を保持したまま内在・外 因的評価で既存の手法を上回る 20