Learning
作者： 李枫林[1];柯佳[1]
作者机构： [1]武汉大学信息管理学院,湖北武汉430072出版物刊名： 情报科学页码： 156-164页年卷期： 2019年 第1期
主题词： 神经网络;文本表示;词向量
摘要：�目的/意义】文本表示是自然语言处理的基础工作,是信息检索、文本分类、问答系统的关键问题。【方法/过程】论文介绍了传统的文本表示方法,按照文本不同的粒度,回顾了近五年国内外基于神经网络模型的词表示、句子表示、篇章(段落)表示的方法,并提出了未来的研究方向。【结果/结论】实验发现,通过在神经网络模型中融入更多的特征能得到更优的词向量,但词向量还缺乏统一的评价标准,句子向量表示通常根据具体NLP任务建模,不同结构的模型在特征表示、运算速度上各有优劣势,篇章表示通常使用层次组合模型。
因篇幅问题不能全部显示，请点此查看更多更全内容