单词和字符表示的协同学习

• 作者: 凌超 刘慧婷
• 来源期刊: 华南理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 词表示 外部上下文 内部信息 协同学习
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 122-129
• 页数: 8页
• 分类号: TP391
• 字数: 6475字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-565X.2018.08.017

摘要

当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语义息息相关.考虑到当前常用词模型均忽略了字符信息,文中以中文为例,提出了单词与字符表示的协同学习模型.为了解决汉语中存在的单字符多语义和多字符单语义情况,文中提出了基于多原型的单词协同学习模型,并使用词相似任务和类比推理任务对该模型进行评估.结果显示,文中模型的词表示质量均优于其他词嵌入模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘慧婷	安徽大学计算智能与信号处理教育部重点实验室	64	1093	15.0	31.0
5	凌超	安徽大学计算智能与信号处理教育部重点实验室	2	2	1.0	1.0