將關係表示爲監督學習任務的功能

Question

我正嘗試使用對象之間的關係進行有監督的學習任務。 例如，給定一個像「貓吃魚」這樣的文本，我想使用Cat-eat-fish關係作爲學習任務的一個特徵（即識別詞的意義）。因此，我想用數字來表示這種關係，以便我可以將它用作學習模型的一個特徵。任何關於我如何實現這一點的建議。我正在考慮將它散列爲一個整數，但這可能會造成兩個關係在語義上相同的挑戰，相同的可能會有兩個不同的散列值。我理想的情況是想要2個類似的關係（例如生命和居住）來哈希到相同的值。我想我還需要弄清楚在哈希之前是否可以規範化關係。

也許不使用數字特徵的其他方法也是有用的。我也想知道是否有基於圖形的方法來解決這個問題。

Answer 1

我建議爲所有可能的關係類型製作（非常大數量的）二進制特徵，然後可能在結果（非常稀疏）的特徵空間上運行某種形式的維度降低。

另一種減少稀疏性的方法是用實體類型替換裸露的單詞，例如[動物]吃[動物]，甚至[動畫]吃[動畫]，然後使用二進制在這個空間的功能。您希望避免在單個維上映射到數值，因爲如果您這樣做，就會在特徵之間施加虛假的序數關係。

Answer 2

如何用動詞表示動詞（通常是主語）之前的典型單詞以及動詞後面的典型單詞（通常是對象）來表示動詞。假設你可以使用500個最常用的單詞（或者甚至更好的最歧視單詞），那麼每個動詞將被表示爲1000維向量。向量中的每個要素都可以是二進制的（是否存在頻率高於某個閾值的單詞）或純計數，或者可能是最好的對數。然後，您可以運行PCA將矢量減少到一個更小的維度。

上面的方法是概率性的，這可能是好的或壞的取決於你想要什麼。如果你想用大量的手工輸入來完成它，那麼就看情況語義。