Привет, полазил по репам в наташе, но сходу не увидел

Question

Привет, полазил по репам в наташе, но сходу не увидел

ответа, вопрос такой — возможно ли с помощью какого-либо из пакетов решить задачу сочетаемости двух слов (существительных)?

а конкретно - имеется небольшой словарь ±1000 слов, которые предполагается представить парами в форме "1ое слово, им.пад., ед.ч." + "2ое слово, род.пад., мн.ч.", примеры: "анонс докладов" или "анализ расходов".

есть ли способ для рандомно взятой пары слов из словаря определить имеет ли смысл их комбинация? пусть даже вероятностно. копался в гугле, нашел про некие валентности (семантические и синтаксические), но не придумал пока ничего, кроме рассовывания слов руками по нескольким группам

#nlp #programming #russian

0

29.10.2023

7 ответов

12 просмотров

David Dalé

А вообще, думаю, можно попробовать взять обычную («маленькую») языковую модель и сравнив предсказанную ей вероятность отдельно стоящих слов с вероятностью этой пары слов. Если вероятность пары слов сильно ниже, чем произведение их индивидуальных вероятностей, то наверное можно говорить, что с точки зрения данной языковой модели эта пара слов - плохо сочетаемая. Пример кода могу попробовать собрать)

0

29.10.2023

Aleksandr Shavykin Автор вопроса

David Dalé
А вообще, думаю, можно попробовать взять обычную (...

было бы потрясающе)

0

29.10.2023

Lerax

David Dalé
А вообще, думаю, можно попробовать взять обычную (...

А кстати. А что ща тип моделей думаете использовать?

0

29.10.2023

David Dalé

Lerax
А кстати. А что ща тип моделей думаете использоват...

Что-нибудь достаточно ванильное, типа gpt-small. Думаю, важно, чтобы модель была авторегрессионная; модели для MLM не вполне корректно совместную вероятность предсказывают.

0

29.10.2023

David Dalé

David Dalé
А вообще, думаю, можно попробовать взять обычную (...

Итак, вот мой пример решения на базе сберовской rugpt-small. Проверил его на ранжировании 5*6 словосочетаний. Мы видим, что она слегка предвзята к парам, состоящим из одного и того же слова "архив архивов" (что характерно в целом для трансформерных нейросетей; они больше любят копировать слова не к месту, чем люди). Но кажется, что все фразы, попавшие в глубоко отрицательные значения compatibility_score, туда попали заслуженно. Так что вроде метод худо-бедно работает. Вот колаб с имплементацией.

0

29.10.2023

Aleksandr Shavykin Автор вопроса

David Dalé

Итак, вот мой пример решения на базе сберовской ru...

вау) благодарю. пойду щупать)

0

29.10.2023

Lerax · Accepted Answer

Я, наверное, лучше бы смотрел в сторону UDPipe 2.0. Там есть возможность получать характеристики слова, аля Yargy + там из коробки есть возможность строить семантический граф предложения (как слова с друг другом соотносятся). Падежи там, если честно не помню, но точно есть части речи и члены предложения

170 похожих чатов

Привет, полазил по репам в наташе, но сходу не увидел

7 ответов

Похожие вопросы