Jun, 2015

使用多头循环神经网络进行作者识别

PDF
TL;DR通过把一个字符级 RNN 语言模型的输出层划分成几个独立的预测子模型，每个子模型代表一个作者，而循环层被所有子模型共享，本文提出了一种新的方法，该方法允许循环层模拟整个语言而不会产生过拟合，同时输出选择反映其作者风格的潜在模型方面，该方法在四种语言中两次排名第一，证明了它的有效性。
recurrent neural networkscharacter-level rnn language modelauthor identificationpredictive sub-modelsshared recurrent layer
发现论文，激发创造
  • 使用神经网络语言模型进行作者归属判定

    研究了神经网络语言模型在作者归属问题上的性能，发现与传统非参数化模型相比，其性能更优越。

    Feb, 2016

  • 基于多任务学习的文本分类循环神经网络

    本文提出了基于多任务学习框架的神经网络方法，采用循环神经网络来建模具有特定任务和共享层的文本，并在四个基准文本分类任务的实验中显示出该方法可以提高其他相关任务的性能。

    May, 2016

  • 基于字符识别的神经语言模型

    本研究描述了一种仅依赖字符级输入的简单神经语言模型，该模型利用卷积神经网络和字符级公路网络作为输入，并将结果给予一种长短时记忆递归神经网络语言模型作为输出，该模型可以用较少的参数占据现有最先进的地位。此外，该模型表现出色的证明了许多语言所需的字符输入已经足够进行语言建模，且可以从字符组成的部分编码的单词表示中得到语义和字形信息。

    Aug, 2015

  • 基于字符级别和多通道卷积神经网络的大规模作者归属性识别

    本文介绍了使用卷积神经网络（CNN）对大规模的作者归属进行分类，研究结果表明，基于字符级信号的 CNN 在不同领域的五个数据集中优于现有方法并首次将作者归属应用于 Reddit。

    Sep, 2016

  • 使用双向递归神经网络引导多语言文本分析工具

    本文旨在研究对于资源贫乏的语言的快速语言注释工具的发展，我们采用递归神经网络模型实验了多种跨语言注释映射方法。我们提出了一种真正的多语言标记器方法，并通过使用平行语料库证实了其有效性和通用性。

    Sep, 2016

  • 使用时间语言模型学习动态作者表示

    该研究提出一种基于循环语言建模的神经模型，通过考虑作者和时间向量状态来捕捉作者社区的语言扩散趋势，从而超越了多个基于时间和非时间的语言基线，并学习了随时间变化的有意义的作者表示。

    Sep, 2019

  • 基于循环神经网络的提及检测鲁棒性探究

    本文研究了基于循环神经网络（RNN）的提及检测系统的鲁棒性及其在信息提取中的应用，表明在英语的普通或跨领域的情况下，RNNs 不仅在通用情况下优于之前报告的最佳系统（最多可达 9％的相对错误降低），而且在荷兰语中表现出的命名实体识别相似任务中，RNNs 比传统方法显著优越（最多可达 22％的相对错误降低）。

    Feb, 2016

  • 字符级 RNN 的备选结构

    本文提出了两种替代性改进的循环神经网络模型，一种是以前一个单词表示为条件的字符级表示，另一种是利用字符历史来调整输出概率，该改进使得处理多语言实际数据更为有效。

    Nov, 2015

  • 生成连接网络联合学习撰写和分类评论

    通过使用递归神经网络模型，本文提供了一种生成个性化产品评论、分类和情感识别的方法。

    Nov, 2015

  • 将双向长短期记忆网络与子单词嵌入结合，用于作者归属度量

    本文提出了一种基于双向长短期记忆 (BLSTM) 和二维卷积神经网络 (CNN) 的方法来进行文本作者识别，通过使用子词信息获得特征之间的顺序关系以及了解风格的局部语法位置，实验证明该方法相比其他最新方法在 CCAT50 和 Twitter 上分别提高了 1.07％和 0.96％的准确率，并在其余数据集上产生了可比较的结果。

    Jun, 2023