| 基于深度学习的文本表示方法 |
| |
| 引用本文： | 李枫林,柯 佳.基于深度学习的文本表示方法[J].情报科学,2019,37(1):156-164. |
| |
| 作者姓名： | 李枫林 柯 佳 |
| |
| 作者单位： | 武汉大学信息管理学院 |
| |
| 摘 要： | 【目的/意义】文本表示是自然语言处理的基础工作,是信息检索、文本分类、问答系统的关键问题。【方法/过程】论文介绍了传统的文本表示方法,按照文本不同的粒度,回顾了近五年国内外基于神经网络模型的词表示、句子表示、篇章(段落)表示的方法,并提出了未来的研究方向。【结果/结论】实验发现,通过在神经网络模型中融入更多的特征能得到更优的词向量,但词向量还缺乏统一的评价标准,句子向量表示通常根据具体NLP任务建模,不同结构的模型在特征表示、运算速度上各有优劣势,篇章表示通常使用层次组合模型。
|
| 关 键 词： | 神经网络 文本表示 词向量 |
Text Representation Method Based on Deep Learning |
| |
| LI Feng-Lin,KE Jia-.Text Representation Method Based on Deep Learning[J].Information Science,2019,37(1):156-164. |
| |
| Authors: | LI Feng-Lin KE Jia- |
| |
| Institution: | (School of Information Management,Wuhan University,Wuhan 430072,China) |
| |
| Abstract: | LI Feng-lin;KE Jia(School of Information Management,Wuhan University,Wuhan 430072,China) |
| |
| Keywords: | neural network text representation word embedding |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《情报科学》浏览原始摘要信息 |
| 点击此处可从《情报科学》下载免费的PDF全文 |
|
