隨著互聯(lián)網時代的到來,文本類型的數據量有了爆發(fā)式的增長。面對海量文本數據,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。近年來,隨著深度學習的發(fā)展,神經網絡在圖像、語音等方面的研究均取得了較好的成果,在部分實際任務中,甚至可以達到或超越人類水平。然而在自然語言處理方面,由于語言的復雜性和抽象性,對語言的理解一直是人工智能領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的基礎。文本表示的核心是將自然語言轉變?yōu)橛嬎銠C可處理的形式,并保留文本對應的語義等信息,以便將其運用在具體的實際任務中。本文以神經網絡為基礎模型,以文本的特征表示為研究重點,針對不同層級和粒度的文本單元,提出基于神經網絡的文本特征表示方法,對文本內部的特征進行提取,其主要的研究內容和創(chuàng)新點如下。1.基于字形結構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別的字向量表示方式。通過對象形文字的字形特征學習,得到字形所表示的語義結構等信息,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,將偏旁信息作為輸入信息的一部分參與模型運算,根據上... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數】：117 頁

【學位級別】：博士

【部分圖文】：

圖１－１?２０１８年各大網站每分鐘產生的電子數據［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??索次數達到３８７７１４０次

圖２－１語言模型結構圖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神經網絡發(fā)展時間表［ｕ】??神經網絡的基本結構分為三部分，分別是輸?

【參考文獻】：
期刊論文
[1]語言·認知·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——紀念《漢字簡化方案》公布35周年[J]. 王寧.  語文建設. 1991(02)



本文編號：3082840