Un espace sémantique compositionnel et interprétable

Les modèles sémantiques à espace vectoriel (VSM) sont des outils utiles pour explorer la sémantique de mots isolés et la composition de mots pour obtenir une signification phrastique. Si de nombreuses méthodes permettent d'estimer le sens (c'est-à-dire le vecteur) d'une phrase, peu le font de manière interprétable. Nous présentons une nouvelle méthode (CNNSE) qui permet aux vecteurs de mots et de phrases de s'adapter à la notion de composition. Notre méthode apprend un VSM qui est à la fois adapté pour supporter une opération de composition sémantique choisie, et dont les caractéristiques résultantes ont une interprétation intuitive. L'interprétabilité permet l'exploration de la sémantique phrastique, que nous exploitons pour analyser les performances dans une tâche comportementale.

Remerciements

Ce travail a été financé en partie par un don de Google, la bourse NIH 5R01HD075328, la bourse IARPA FA865013C7360, la bourse DARPA FA8750-13-2- 0005, et par une bourse accordée à Alona Fyshe dans le cadre du programme de formation en neuroimagerie multimodale (bourses NIH T90DA022761 et R90DA023420).