主题联合词向量模型

• 作者: 吴旭康 张阅川 杨旭光 王营冠 陈园园
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 自然语言处理 词向量 主题模型 神经网络 哈夫曼树
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 233-237,270
• 页数: 6页
• 分类号: TP391.1
• 字数: 4978字
• 语种: 中文

摘要

当前大部分的词向量模型针对一个单词只能生成一个向量,由于单词的多义性,使用同一个向量表达不同语境下的同一个单词是不准确的.对此,提出一种新的词向量模型.使用潜狄利克雷特分布和神经网络对单词进行训练,得到单词及其主题的向量,并对两者进行线性变换得到最终的词向量.实验结果表明,该模型的准确度高于现有多向量模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王营冠	中国科学院上海微系统与信息技术研究所	71	470	10.0	18.0
2	杨旭光		2	6	1.0	2.0
3	张阅川		2	6	1.0	2.0
4	吴旭康	中国科学院上海微系统与信息技术研究所	1	6	1.0	1.0
8	陈园园		1	6	1.0	1.0