Biblioteca36.921 documentos en l韓ea

Art韈ulo

Learning Document Semantic Representation with Hybrid Deep Belief NetworkAprendizaje de la representación semántica del documento con una red de creencia profunda híbrida

Resumen

La abstracción de alto nivel, por ejemplo, la representación semántica, es vital para la clasificación y recuperación de documentos. Sin embargo, la forma de aprender la representación semántica de los documentos sigue siendo un tema de debate en la recuperación de información y el procesamiento del lenguaje natural. En este trabajo, proponemos una nueva Red de Creencia Profunda Híbrida (HDBN) que utiliza la Máquina de Boltzmann Profunda (DBM) en las capas inferiores junto con la Red de Creencia Profunda (DBN) en las capas superiores. La ventaja de la DBM es que emplea una conexión no dirigida a la hora de entrenar los parámetros de peso, lo que puede utilizarse para muestrear los estados de los nodos en cada capa con mayor éxito y también es una forma eficaz de eliminar el ruido de los diferentes tipos de representación de los documentos; la DBN puede mejorar la extracción de lo abstracto del documento en profundidad, haciendo que el modelo aprenda una representación semántica suficiente. Al mismo tiempo, exploramos diferentes estrategias de entrada para la representación semántica distribuida. Los resultados experimentales muestran que nuestro modelo que utiliza la incrustación de palabras en lugar de la palabra única tiene un mejor rendimiento.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Ingl閟
  • Tama駉: Kb

C髆o citar el documento

Esta es una versi髇 de prueba de citaci髇 de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citaci髇 de las respectivas fuentes.

Este contenido no est锟 disponible para su tipo de suscripci锟絥

Información del documento