我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

面向中朝跨语言文本分类的双语主题词嵌入模型的研究 下载：36 浏览：379

王琪 田明杰 崔荣一 赵亚慧 《中文研究》 2020年9期

摘要:
针对日渐丰富的少数民族语言资源进行管理、研究和使用有着重要的应用价值。为了解决语言差异引起的语言鸿沟，针对中朝两种语言环境下的跨语言文本分类任务，提出了双语主题词嵌入模型。该文将词嵌入模型与主题模型扩展到双语环境，并将两种模型相结合，解决了歧义性对跨语言文本分类精度带来的影响。首先，在大规模单词级别对齐平行句对中训练中朝单词的词嵌入向量；其次，利用主题模型对中朝分类语料进行表示，并获得中朝单词的含有主题信息的词嵌入向量；最后，将中朝单词的主题词嵌入向量输入至文本分类器，进行模型的训练与分类预测。实验结果表明，中朝跨语言文本分类任务的准确率达到了91.76%，已达到实际应用的水平，同时该文提出的模型可以对一词多义单词的多个词义有很好的表示。

融入多特征的汉越新闻观点句抽取方法 下载：40 浏览：414

林思琦 余正涛 郭军军 高盛祥 《中文研究》 2019年7期

摘要:
该文提出一种融入多特征的汉越双语新闻观点句抽取方法。首先针对汉语和越南语标记资源不平衡的问题，构建了汉越双语词嵌入模型，用丰富的中文标记资源来弥补越南语标记资源的缺失。并且该文认为句子的主题特征、位置特征和情感特征对观点句分类具有重要作用，因此将这些特征分别融入词向量和注意力机制中，实现句子语义信息和情感、主题、位置特征的结合。实验表明，该方法可有效提升越南语新闻观点句抽取的准确率。

基于多源信息融合的分布式词表示学习 下载：25 浏览：438

冶忠林1，2，3，4 赵海兴1，2，3，4 张科1，3，4 朱宇1，3，4 《中文研究》 2019年6期

摘要:
分布式词表示学习旨在用神经网络框架训练得到低维、压缩、稠密的词语表示向量。然而，这类基于神经网络的词表示模型有以下不足:(1)罕见词由于缺乏充分上下文训练数据，训练所得的罕见词向量表示不能充分地反映其在语料中的语义信息；(2)中心词语的反义词出现于上下文时，会使意义完全相反的词却赋予更近的空间向量表示；(3)互为同义词的词语均未出现于对方的上下文中，致使该类同义词学习得到的表示在向量空间中距离较远。基于以上三点，该文提出了一种基于多源信息融合的分布式词表示学习算法(MSWE)，主要做了4个方面的改进:(1)通过显式地构建词语的上下文特征矩阵，保留了罕见词及其上下文词语在语言训练模型中的共现信息可以较准确地反映出词语结构所投影出的结构语义关联；(2)通过词语的描述或解释文本，构建词语的属性语义特征矩阵，可有效地弥补因为上下文结构特征稀疏而导致的训练不充分；(3)通过使用同义词与反义词信息，构建了词语的同义词与反义词特征矩阵，使得同义词在词向量空间中具有较近的空间距离，而反义词则在词向量空间中具有较远的空间距离；(4)通过诱导矩阵补全算法融合多源特征矩阵，训练得到词语低维度的表示向量。实验结果表明，该文提出的MSWE算法能够有效地从多源词语特征矩阵中学习到有效的特征因子，在6个词语相似度评测数据集上表现出了优异的性能。

基于描述约束的词表示学习 下载：78 浏览：491

冶忠林1,2,3 赵海兴1,4,2,3 张科4,2,3 朱宇4,2,3 《当代中文学刊》 2019年12期

摘要:
词语作为语言模型中的基本语义单元,在整个语义空间中与其上下文词语具有很强的关联性。同样,在语言模型中,通过上下文词可判断出当前词的含义。词表示学习是通过一类浅层的神经网络模型将词语和上下文词之间的关联关系映射到低维度的向量空间中。然而,现有的词表示学习方法往往仅考虑了词语与上下文词之间的结构关联,词语本身所蕴含的内在语义信息却被忽略。因此,该文提出了DEWE词表示学习算法,该算法可在词表示学习的过程中不仅考量词语与上下文之间的结构关联,同时也将词语本身的语义信息融入词表示学习模型,使得训练得到的词表示既有结构共性也有语义共性。实验结果表明,DEWE算法是一种切实可行的词表示学习方法,相较于该文使用的对比算法,DEWE在6类相似度评测数据集上具有优异的词表示学习性能。

基于词嵌入技术的文本表示研究现状综述 下载：70 浏览：495

刘胜杰 许亮 《计算机研究与应用》 2020年3期

摘要:
文本的表示是自然语言处理领域重要的工作,如何更好地表示文本语义是自然语言处理领域实际应用的重要基石。通过训练得到的词嵌入向量表示,可以认为其即代表单词本身及其含义。单词在不同语境下的含义不一样,不同的语境下涉及到一词多义问题,如何准确表示词嵌入向量以适应不同的语境也是目前研究的热点。目前词嵌入技术还处于初级阶段,还有很多问题值得深入研究。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享