月旦知識庫
 
  1. 熱門:
 
首頁 臺灣期刊   法律   公行政治   醫事相關   財經   社會學   教育   其他 大陸期刊   核心   重要期刊 DOI文章
ROCLING論文集 本站僅提供期刊文獻檢索。
  【月旦知識庫】是否收錄該篇全文,敬請【登入】查詢為準。
最新【購點活動】


篇名
以深層類神經網路標記中文階層式多標籤語意概念
作者 周瑋傑王逸如
中文摘要
傳統上對超過100個階層式標籤分類可以使用扁平(flatten)標籤做分類,但如此會喪失架構樹(taxonomy)的階層資訊。本研究旨在對廣義知網中文詞彙做概念分類與標記,提出考慮廣義知網架構樹階層關係之深層類神經網路訓練方法,其輸入為詞彙樣本點的詞向量,詞向量方面本研究亦提出考慮上下文前後關係之2-Bag Word2Vec,而各階層的訓練結果有不同的重要性,所以在模型的最後使用最小分類誤差法,賦予各階層在測試階段時不同的權重。實驗結果顯示階層式(hierarchical)分類預測正確率會比扁平分類還高。
英文摘要
Traditionally, classifying over 100 hierarchical multi-labels could use flatten classification, but it will lose the taxonomy structure information. This paper aimed to classify the concept of word in E-HowNet and proposed a deep neural network training method with hierarchical relationship in E-HowNet taxonomy. The input of neural network is word embedding. About word embedding, this paper proposed order-aware 2-Bag Word2Vec. Experiment results shown hierarchical classification will achieved higher accuracy than flatten classification.
起訖頁 157-157
關鍵詞 詞向量類神經網路最小分類誤差廣義知網階層式分類多標籤分類 Word2Vecneural networkminimum classification errorE-HowNethierarchical classificationmulti-label classification
刊名 ROCLING論文集  
期數 2018 (2018期)
出版單位 中華民國計算語言學學會
該期刊-上一篇 智慧手機客語拼音輸入法之研發──以臺灣海陸腔為例
該期刊-下一篇 LENA computerized automatic analysis of speech development from birth to three
 

新書閱讀



最新影音


優惠活動




讀者服務專線:+886-2-23756688 傳真:+886-2-23318496
地址:臺北市館前路28 號 7 樓 客服信箱
Copyright © 元照出版 All rights reserved. 版權所有,禁止轉貼節錄