使用语言图和Word Embeddings演奏代码名称

虽然在人工智能研究中已经研究了棋盘游戏和视频游戏，但挑战的词游戏仍然相对未开发。 Word游戏并不像棋牌或扑克等游戏那样受限制。相反，Word游戏策略由玩家对彼此相关的方式的理解来定义。游戏代码名称游戏提供了一个独特的机会，可以调查对词语之间关系的常识理解，这是一个重要的公开挑战。我们提出了一种可以从语言图Babelnet中生成代码夹克线索的算法，或者来自几种嵌入方法中的任何一个 - Word2Vec，手套，FastText或BERT。我们介绍了一种衡量线索质量的新评分函数，我们提出了一种称为检测的加权项，它包含基于字典的字表示和文档频率来改善线索选择。我们开发Babelnet-Word选择框架（BabelnetWSF）以提高Babelnet Clue质量，并克服预先阻止代码名称名称的借用语言图的计算障碍。与人类评估人员的广泛实验表明，我们拟议的创新产量最先进的业绩，在某些情况下，精度@ 2的改善程度高达102.8％。总体而言，这项工作进展了对常识语言理解的单词游戏和方法的正式研究。