表情符和標簽都是各大社交媒體平臺上獨具特色的網(wǎng)絡表達形式,已經(jīng)被社交媒體用戶廣泛接受并大量運用。利用到表情符和標簽的自然語言處理任務也逐漸熱門起來。面向社交媒體平臺的表情符預測和標簽生成任務作為語言研究相關的新熱點,正漸漸吸引更多研究人員對其展開研究工作。表情符預測和標簽生成任務指的是根據(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簽進行預測和生成的任務。當前表情符預測和標簽生成的研究通常集中在將輔助信息添加到神經(jīng)網(wǎng)絡模型中的方法,并且把表情符預測和標簽生成視為兩個獨立進行的任務,忽略了表情符預測和標簽生成任務之間的相關性。本文考慮到表情符預測和標簽生成之間存在的耦合關系,兩個任務可以采用相同的輸入數(shù)據(jù)。并且表情符和標簽在帖子中的運用具有一定的作用重疊。這些都滿足聯(lián)合預測模型的聯(lián)合要求。因此,本文提出了面向社交媒體平臺的表情符預測和標簽生成的雙任務聯(lián)合預測模型（Joint Prediction Model,JPM）,并對該模型的權重參數(shù)選取進行了探討。該模型可以將帖子信息處理并生成文本信息表示,同時完成表情符預測和標簽生成。為了證明JPM模型的有效性,我們構建了一個包... 

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

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

傳統(tǒng)LSTM模型結構

傳統(tǒng)BiLSTM模型結構

圖2.3分級多種注意力單任務預測結構圖


本文編號：3233650