多原型词向量与文本主题联合学习模型

• 作者: 夏家莉 张志斌 彭文忠 曹中华
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 多原型词向量 多义词 主题模型 神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息抽取与文本挖掘
• 页码范围: 64-71,106
• 页数: 9页
• 分类号: TP391
• 字数: 7963字
• 语种: 中文

摘要

常见的词嵌入向量模型存在每个词只具有一个词向量的问题,词的主题值是重要的多义性条件,可以作为获得多原型词向量的附加信息.在skip-gram(cbow)模型和文本主题结构基础上,该文研究了两种改进的多原型词向量方法和基于词与主题的嵌入向量表示的文本生成结构.该模型通过联合训练,能同时获得文本主题、词和主题的嵌入向量,实现了使用词的主题信息获得多原型词向量,和使用词和主题的嵌入式向量学习文本主题.实验表明,该文提出的方法不仅能够获得具有上下文语义的多原型词向量,也可以获得关联性更强的文本主题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹中华	江西财经大学信息管理学院财政大数据中心	10	49	4.0	7.0
3	夏家莉	江西财经大学信息管理学院财政大数据中心	26	268	7.0	16.0
6	张志斌	江西财经大学信息管理学院财政大数据中心	2	1	1.0	1.0
7	彭文忠	江西财经大学信息管理学院财政大数据中心	2	0	0.0	0.0