協(xié)同標注作為一種成熟的技術,常被用來解決信息資源索引、管理、檢索等問題,但存在因數(shù)據(jù)間交互信息不充分或無交互信息帶來的冷啟動問題。目前常用的解決辦法是采用內(nèi)容信息來增強和改善注釋算法,尤其是基于文本內(nèi)容的協(xié)同過濾,但對于如何更好地提取文本特征、衡量項目相似性等還需要深入探究。針對以上問題,本文結(jié)合稀疏線性方法（Sparse Linear Method,SLIM）和孿生卷積神經(jīng)網(wǎng)絡（Siamese Convolution Neural Network,SCNN）提出了一種基于相似度神經(jīng)網(wǎng)絡的協(xié)同標注模型（Similarity Neural Network based Collaborative Annota-tion Model,SNNCA）。該模型將SCNN組件用于內(nèi)容信息的特征提取和項目相似性計算,其輸出可視為兩個輸入內(nèi)容的非線性相似性度量函數(shù)。為了解決SCNN的參數(shù)訓練問題,本文通過SLIM從已有項目標注數(shù)據(jù)中學習項目間的相似關系稀疏系數(shù)矩陣W,將獲得的結(jié)果用于訓練SCNN組件中的參數(shù)�；诖怂悸�,本文專門設計了模型參數(shù)學習方法,并通過交叉迭代方式,實現(xiàn)模型參數(shù)的聯(lián)合優(yōu)化,即每次迭... 

【文章來源】：云南大學云南省 211工程院校

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

圖２．２：?ＴｅｘｔＣＮＮ模型特征提取過程ＰＩ??

云南大學【專業(yè)）碩士學位論文??明的，后來被證明將其應用于ＮＬＰ具有很好的效果，如ＴｅｘｔＣＮＮ（ＴｅｘｔＣｏｎｖｏｌｕｔｉｏｎ??Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ１２７］）被廣泛應用于文本分類，其模型結(jié)構(gòu)如圖２．２所不。首先將文??本通過詞嵌入的方式表示為詞向量的形式。其次通過訓練一個帶有卷積層的簡單??ＣＮＮ提取文本特征，通過池化等操作對特征進行降維。最后根據(jù)任務要求將特征??輸入全連接層的函數(shù)作為結(jié)果輸出。??ｓｉｚｅ：（２，３，４）＊５??（１ｌｔｅｒｓ：２??Ｅｍｂｅｄｄｉｎｇ?／?ｃｏｎｖＨ?ＩＮＩａｘ－ｐｏｏｌｉｎｇ??＂ｋｅ?＝?＝?＝??＝?＝?＝?＝?＝?二??＝３：二＝＝＝?二二二二＝＂團?ｆｅａ＂ｆ．ｒｅ??．??????＾?．一＾?Ｉ?＇?ｖｅｃｔｏｒ??ｍｕｃｈ???．?Ｉ??Ａ?選?Ｊ??圖２．２：?ＴｅｘｔＣＮＮ模型特征提取過程ＰＩ??卷積是ＣＮＮ中的重要操作，卷積其實就是卷積核作用于神經(jīng)網(wǎng)絡輸入上的點??乘和，加上偏置之后的激活輸出。卷積核是一個自定義大小的滑動窗口，其個數(shù)也??是人為設定的，不同大小的卷積核中的權(quán)重參數(shù)不同，這樣可以保證不同的卷積核??在卷積的過程中對同一區(qū)域采集的特征不同，保證提取出所有明顯的特征。卷積過??程如下圖２．３所示。??ｔｊ＝５?２＊５?ｆｉｌｔｅｒｓ????????ｓｔｒｉｄｅ?１??ｉＬ??ｌｉｋｅｊ??＇?■■■??ｇｒａｐｈＨＨＨＨＨＢ?一?一－－■??

圖２．４：池化操作??

【參考文獻】：
期刊論文
[1]基于社會化標注的用戶興趣發(fā)現(xiàn)及個性化推薦研究[J]. 王曉耘,趙菁,徐作寧.  現(xiàn)代情報. 2018(07)
[2]基于余弦相似度模型的最佳教練遴選算法[J]. 陳大力,沈巖濤,謝檳竹,馬穎異.  東北大學學報(自然科學版). 2014(12)
[3]一種用于社會化標簽推薦的主題模型[J]. 孫甲申,王小捷.  北京郵電大學學報. 2014(03)
[4]基于社會網(wǎng)絡分析的協(xié)同推薦方法改進[J]. 馮勇,李軍平,徐紅艷,黨曉婉.  計算機應用. 2013(03)

博士論文
[1]文本分類及其相關技術研究[D]. 尚文倩.北京交通大學 2007

碩士論文
[1]文本分類中特征選擇和特征加權(quán)算法的研究[D]. 杜同森.北京郵電大學 2014
[2]文本聚類分析效果評價及文本表示研究[D]. 周昭濤.中國科學院研究生院（計算技術研究所） 2005



本文編號：3402022