文献

J-GLOBAL ID：201702245771035037   整理番号：17A0321396

多文脈混合埋込みを用いた分散学習単語表現【Powered by NICT】

Learning distributed word representation with multi-contextual mixed embedding

著者 (5件)： Li Jianqiang (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Li Jing (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Fu Xianghua (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Masud M.A. (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China) ,  Huang Joshua Zhexue (College of Computer Science and Software Engineering, Shenzhen University, Shenzhen 518060, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 106  ページ： 220-230  発行年： 2016年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分散学習単語表現により,単語類似性と類似性,文書分類と感情分析のような種々の自然言語処理応用のための一般的な方法であった。しかし,標的単語を予測するための文脈として多くの既存単語埋込みモデルは浅いスライド窓を利用するだけである。各単語の意味はそのグローバルな文脈によって影響されるので,分布モデルは通常,全体的に共起行列から単語表現を誘導するので,ウインドウベースモデルは,セマンティック知識を捉えるには不十分である。本論文では,良く知られたword2vecツールボックスに基づく混合単語埋込み(MWE)と呼ばれる新しいハイブリッドモデルを提案した。具体的には,提案されたMWEモデルは一般的な符号化構造,語の構文情報をより正確にを共有による連続的な方法で,すなわち,SKIP GRAMとCBOW,word2vecの二変異体を組み合わせたものである。,地球テキストベクターを組み込んだCBOW変異体にもっと意味的情報を捕捉した。MWEはSKIP GRAMと同じ時間計算量を保存する。MWEモデルを評価する効率的かつ適応的にするために,著者らは英語と中国語データセットの両者を用いた言語と応用展望に関する著者らのモデルを研究した。言語学のために,著者らは単語類似性と類似性に関する経験的研究を行った。文書分類と感情解析の両方に学んだ潜在表現は本研究の応用の観点を考慮した。実験結果はCBOW,SKIP GRAM,GloVeのような最先端の単語埋込みモデルに比べて,MWEモデルは全タスクにおいて非常に競争力があることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 言語学 ,  符号化 ,  英語 ,  自然言語処理 ,  中国語 ,  類似性 ,  スライド ,  言語 ,  *単語
準シソーラス用語： 時間計算量 ,  構文 ,  ツールキット ,  共起行列 ,  感情分析 ,  文書分類 , 【Automatic Indexing@JST】

著者キーワード (4件)： 単語埋込み ,  分散単語表現 ,  Word2vec ,  自然言語処理

分類 (2件)： 自然語処理  (JE06000L) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： 文脈 ,  埋込み ,  分散学習 ,  単語 ,  表現