基于词性与词序的相关因子训练的word2vec改进模型

• 作者: 于重重 张青川 徐世璇 曹帅 潘博
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: word embedding 词性 相关权重 词序 word2vec
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 1976-1982
• 页数: 7页
• 分类号: TP3-0
• 字数: 3957字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.08.024

摘要

词性是自然语言处理的基本要素,词语顺序包含了所传达的语义与语法信息,它们都是自然语言中的关键信息.在word embedding模型中如何有效地将两者结合起来,是目前研究的重点.本文提出的Structured word2vee on POS联合了词语顺序与词性两种信息,不仅使模型可以感知词语位置顺序,而且利用词性关联信息来建立上下文窗口内词语之间的固有句法关系.Structured word2vec on POS将词语按其位置顺序定向嵌入,对词向量和词性相关加权矩阵进行联合优化.实验通过词语类比、词相似性任务,证明了所提出的方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于重重	北京工商大学计算机与信息工程学院	99	762	14.0	23.0
2	潘博	北京工商大学计算机与信息工程学院	5	49	4.0	5.0
3	曹帅	北京工商大学计算机与信息工程学院	4	14	2.0	3.0
4	张青川	北京工商大学计算机与信息工程学院	13	19	3.0	4.0
5	徐世璇	中国北京社会科学院民族学与人类学研究所	1	8	1.0	1.0