基于递归自编码器的广告短语相关性

• 作者: 任亚峰 胡庆辉 解忠乾 魏士伟
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度学习 递归自编码器 词向量 计算广告 搜索引擎
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 154-157,187
• 页数: 5页
• 分类号: TP391|TP181
• 字数: 4059字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.01.0154

摘要

针对现有广告短语相关性研究成果多采用字面匹配,忽略了短语所包含的深层语义信息,限制了任务的性能等问题,提出了采用深度学习算法研究广告短语的相关性,采用递归自编码器(RAE)对短语进行深层结构分析,使得短语向量包含深层的语义信息,以此来构建广告语境下的短语相关性计算方法.具体地,给定一个包含若干词的序列,序列中所有相邻的两个元素尝试合并产生一个重构误差,遍历将重构误差最小的元素两两合并,形成类似哈夫曼树结构的短语树.采用梯度下降法最小化短语树的重构误差,采用余弦距离度量短语之间的相关性.实验结果显示,通过引入词语权重信息,加大了重要词语在最终短语向量表示中贡献的信息量,使得RAE更适合短语计算;比起传统LDA和BM25算法,在50％召回率的条件下,提出的算法的准确率分别提高了4.59个百分点和3.21个百分点,这证明了所提算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	解忠乾	武汉大学计算机学院	2	6	2.0	2.0
2	任亚峰	武汉大学计算机学院	13	135	6.0	11.0