語義匹配字符串 - 使用word2vec還是s-match？

Question

我具有匹配的兩個字符串爲「更一般的」，「少一般」，「相同的含義」，「相對的意思是」等

琴絃可以來自任何域的這個問題。假設字符串可以來自人們的電子郵件。

舉個例子，

String 1 = "movies" 
String 2 = "Inception" 

在這裏，我應該知道，盜夢空間比電影（有點is-a的關係）

String 1 = "Inception" 
String 2 = "Christopher Nolan" 

在這裏，我應該知道，盜夢空間是少得一般一般比克里斯托弗諾蘭

String 1 = "service tax" 
String 2 = "service tax 2015" 

一眼看來，S比賽將做工作。但我不確定S-match是否可以用於WordNet或GeoWordNet以外的知識庫（如他們的頁面所述）。

如果我使用word2vec或​​，我想它可以給我相似性分數。但是它是否支持告訴一個字符串是more general還是less general比另一個？

但我確實看到word2vec可以根據訓練集或大型語料庫像維基百科等

在中途有人扔光前進？

Answer 1

機器學習方法的當前使用，如word2vec和​​用於建模單詞是基於distributional hypothesis。他們根據上下文來訓練單詞和短語的模型。這些單詞模型沒有本體論方面的內容。在受過最好訓練的情況下，基於這些工具的模型可以說兩個單詞是否可以出現在相似的環境中。這就是他們的相似性測量如何工作。

的Mikolov紙（a，b和c），這表明這些模型可以學習「語言的規律」沒有任何本體論的測試分析，它僅僅表明，這些機型都具有成員之間預測「相似的單詞對「。這種預測對你的任務沒有幫助。這些模型甚至不能識別與關聯相似相反的（例如閱讀此頁SimLex test set）。

我要說的是，你需要一個本體論的數據庫解決您的問題。更具體地瞭解您的例子，它似乎是在你的例子String 1和String 2：

String 1 = "a" 
String 2 = "b" 

你嘗試檢查entailment關係中的句子：

（1）「Ç是b 「

（2）」c is a「

（3）「c與a」相關。

其中：

（1）需要（2）

或

（1）需要（3）

在你的兩個第一個例子，你可以使用seman抽象知識庫來解決問題。但是在理解兩個短語之間的區別之前，你的第三個例子可能需要語法分析。例如，這些短語：

「男人」

「所有的人」

「高大的男人」

「黑衣人」

「一般的男人」

它需要一個邏輯理解來解決你的問題。但是，您可以根據經濟語言來分析，在短語中添加更多單詞通常會使其較不普遍。與較短的短語相比，較長的短語不太一般。它沒有給你一個精確的工具來解決問題，但它可以幫助分析一些沒有特殊詞彙的詞組，如all,general或every。