表情符和標(biāo)簽都是各大社交媒體平臺上獨(dú)具特色的網(wǎng)絡(luò)表達(dá)形式,已經(jīng)被社交媒體用戶廣泛接受并大量運(yùn)用。利用到表情符和標(biāo)簽的自然語言處理任務(wù)也逐漸熱門起來。面向社交媒體平臺的表情符預(yù)測和標(biāo)簽生成任務(wù)作為語言研究相關(guān)的新熱點(diǎn),正漸漸吸引更多研究人員對其展開研究工作。表情符預(yù)測和標(biāo)簽生成任務(wù)指的是根據(jù)帖子中提取到的信息對該帖子中可能出現(xiàn)的表情符以及可能使用到的標(biāo)簽進(jìn)行預(yù)測和生成的任務(wù)。當(dāng)前表情符預(yù)測和標(biāo)簽生成的研究通常集中在將輔助信息添加到神經(jīng)網(wǎng)絡(luò)模型中的方法,并且把表情符預(yù)測和標(biāo)簽生成視為兩個(gè)獨(dú)立進(jìn)行的任務(wù),忽略了表情符預(yù)測和標(biāo)簽生成任務(wù)之間的相關(guān)性。本文考慮到表情符預(yù)測和標(biāo)簽生成之間存在的耦合關(guān)系,兩個(gè)任務(wù)可以采用相同的輸入數(shù)據(jù)。并且表情符和標(biāo)簽在帖子中的運(yùn)用具有一定的作用重疊。這些都滿足聯(lián)合預(yù)測模型的聯(lián)合要求。因此,本文提出了面向社交媒體平臺的表情符預(yù)測和標(biāo)簽生成的雙任務(wù)聯(lián)合預(yù)測模型（Joint Prediction Model,JPM）,并對該模型的權(quán)重參數(shù)選取進(jìn)行了探討。該模型可以將帖子信息處理并生成文本信息表示,同時(shí)完成表情符預(yù)測和標(biāo)簽生成。為了證明JPM模型的有效性,我們構(gòu)建了一個(gè)包... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

傳統(tǒng)LSTM模型結(jié)構(gòu)

傳統(tǒng)BiLSTM模型結(jié)構(gòu)

圖2.3分級多種注意力單任務(wù)預(yù)測結(jié)構(gòu)圖


本文編號：3233650