隨著社會(huì)信息化進(jìn)程,互聯(lián)網(wǎng)擁有了海量的數(shù)據(jù),處理文本數(shù)據(jù)的需求日益增多,使得自然語(yǔ)言處理（Natural Language Processing,NLP）成為極具研究?jī)r(jià)值的領(lǐng)域之一。文本分類(lèi)作為文本數(shù)據(jù)挖掘的基礎(chǔ)任務(wù),被廣泛用于推薦系統(tǒng)、垃圾郵件識(shí)別、語(yǔ)音助手等任務(wù)。如何構(gòu)造歸納學(xué)習(xí)能力強(qiáng)大,同時(shí),兼具可解釋性高、適用場(chǎng)景靈活的分類(lèi)模型,一直是極具挑戰(zhàn)的難點(diǎn)。近年來(lái),被認(rèn)為是解決此難點(diǎn)的途徑——神經(jīng)符號(hào)學(xué)習(xí),日益成為研究的前沿方向。本文基于公司的研究項(xiàng)目^[1],研究升規(guī)則系統(tǒng)的方法,項(xiàng)目組出了“神經(jīng)規(guī)則引擎”模型（Neural Rule Engine,NRE）。NRE模型使用的方法對(duì)于升級(jí)現(xiàn)有的規(guī)則系統(tǒng)以及構(gòu)建不依賴(lài)于大量數(shù)據(jù)的神經(jīng)規(guī)則系統(tǒng),有很好的應(yīng)用價(jià)值。NRE模型的創(chuàng)新點(diǎn)及主要工作如下:（1）不同于以往的研究者將符號(hào)知識(shí)引入神經(jīng)網(wǎng)絡(luò),NRE模型采用全新的融合策略——利用神經(jīng)網(wǎng)絡(luò)來(lái)改善規(guī)則的效果,來(lái)增強(qiáng)模型的學(xué)習(xí)能力和可解釋性。NRE模型,從所有規(guī)則中抽象出統(tǒng)一的基本操作模塊,再通過(guò)解析器生成模塊的執(zhí)行順序和參數(shù),最后按順序執(zhí)行模塊生成輸出。（2）對(duì)引入神經(jīng)網(wǎng)... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

規(guī)則學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)模擬示意圖

神經(jīng)規(guī)則學(xué)習(xí)模擬示意圖

前饋神經(jīng)網(wǎng)絡(luò)示意圖


本文編號(hào)：3500472