隨著互聯(lián)網(wǎng)時(shí)代的到來,文本類型的數(shù)據(jù)量有了爆發(fā)式的增長。面對海量文本數(shù)據(jù),如何從其中提取出有意義的信息是自然語言處理的研究重點(diǎn)。近年來,隨著深度學(xué)習(xí)的發(fā)展,神經(jīng)網(wǎng)絡(luò)在圖像、語音等方面的研究均取得了較好的成果,在部分實(shí)際任務(wù)中,甚至可以達(dá)到或超越人類水平。然而在自然語言處理方面,由于語言的復(fù)雜性和抽象性,對語言的理解一直是人工智能領(lǐng)域較難突破的一部分。文本表示是大部分自然語言處理任務(wù)的基礎(chǔ)。文本表示的核心是將自然語言轉(zhuǎn)變?yōu)橛?jì)算機(jī)可處理的形式,并保留文本對應(yīng)的語義等信息,以便將其運(yùn)用在具體的實(shí)際任務(wù)中。本文以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)模型,以文本的特征表示為研究重點(diǎn),針對不同層級(jí)和粒度的文本單元,提出基于神經(jīng)網(wǎng)絡(luò)的文本特征表示方法,對文本內(nèi)部的特征進(jìn)行提取,其主要的研究內(nèi)容和創(chuàng)新點(diǎn)如下。1.基于字形結(jié)構(gòu)的中文繁體字向量模型研究。本文針對中文繁體字,提出了一種基于文字圖形特征的低于字符級(jí)別的字向量表示方式。通過對象形文字的字形特征學(xué)習(xí),得到字形所表示的語義結(jié)構(gòu)等信息,豐富了字向量的含義。在模型方面,首先提取中文繁體字的偏旁信息,使用連續(xù)詞袋模型作為基礎(chǔ),將偏旁信息作為輸入信息的一部分參與模型運(yùn)算,根據(jù)上... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：117 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－１?２０１８年各大網(wǎng)站每分鐘產(chǎn)生的電子數(shù)據(jù)［２］??以Ｇｏｏｇｌｅ搜索引擎為例，２０１８年平均每分鐘用戶在Ｇｏｏｇｌｅ搜索引擎下搜??索次數(shù)達(dá)到３８７７１４０次

圖２－１語言模型結(jié)構(gòu)圖Ｗ??圖中最下方的ｗ表示輸入字符的索引，這里可以理解為是字符ｗ的單熱表示??形式，需要通過前ｎ?－?１字測下一ｗ

圖２－２神經(jīng)網(wǎng)絡(luò)發(fā)展時(shí)間表［ｕ】??神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)分為三部分，分別是輸?

【參考文獻(xiàn)】：
期刊論文
[1]語言·認(rèn)知·隱喻[J]. 胡壯麟.  現(xiàn)代外語. 1997(04)
[2]論漢字簡化的必然趨勢及其優(yōu)化的原則——紀(jì)念《漢字簡化方案》公布35周年[J]. 王寧.  語文建設(shè). 1991(02)



本文編號(hào)：3082840