Jan, 2022

基于循环网络的文本表征

PDF
TL;DR本文研究了如何使用多尺度方法来表征文本结构，进而通过对不同文学体裁作对比分析，使用可达性、对称性和重现度量这些多尺度概念和方法来区分小说和非小说文本的异同。
multiscaletextsmesoscopicnetworksliterary genres
发现论文，激发创造
  • 复杂系统分类的方法：文字、文本等

    通过物理学类比，定义了基于温度、化学势、熵等参数的文本分类，提出在语言学类比的基础上，研究基因组的方法，同时讨论了熵作为文本分类参数的作用和意义。

    May, 2022

  • 自然语言的复杂系统方法

    从复杂性科学的角度总结了自然语言研究中使用的主要方法概念，并记录了这些方法在识别语言的通用和系统特征方面的适用性。讨论了数量语言学中三个与复杂性相关的研究趋势，包括对文本中单词频率的研究、基于时间序列分析的方法应用于研究书面文本中的相关性、以及将网络形式主义应用于自然语言研究中。

    Jan, 2024

  • 分层多尺度循环神经网络

    本文提出了一种多尺度递归神经网络，称为分层多尺度递归神经网络，通过使用新的更新机制，在不使用显式边界信息的情况下捕获序列中的潜在分层结构，从而解决递归神经网络中的层次和时间表示问题，并在字符级别语言建模和手写序列建模上进行评估。

    Sep, 2016

  • 论书法

    本文介绍了一种基于复杂网络的方法来识别文本的作者，通过考虑故事流传来捕捉作者的主导结构。实验证明了该方法在可视化方面有很大潜力并能够揭示作者的个人特征。

    May, 2017

  • 文本表示方法及其谱系调查

    本文通过归纳总结相关研究成果并构建基于谱系和分类学的文本内容表达方法来帮助人工智能研究人员更好地理解和应用自然语言处理技术。

    Nov, 2022

  • 多尺度变形器模型的序列生成学习

    本文提出了一种基于不同语言单元（包括子词、单词和短语）之间的关系建立多尺度 Transformer 模型 ——Universal MultiScale Transformer（UMST），实验证明它在几个测试集上都可比存在的流行基准模型获得更好的性能表现，且不影响效率。

    Jun, 2022

  • 利用复杂网络方法进行基于重复出现的时间序列分析

    本文概述了基于复杂网络的时间序列分析方法，着重介绍了以复归图为基础的方法，探讨了各个方法的潜力和局限性，并通过动力系统和实际时间序列的典型例子说明了复杂网络测量可以提供其他线性和非线性方法所未能提供的结构特征信息。

    Oct, 2010

  • 多尺度 Transformer 语言模型

    本文研究了多尺度变压器语言模型，提出了三种不同的架构，并实验性地证明了多尺度表示在内存效率，计算时间和困惑度方面的优势，具有特殊的吸引力。

    May, 2020

  • 文学语料库中的长程分形相关性

    该研究分析了长篇人类语言记录的分形结构，通过将大样本的文本映射到时间序列来实现，结果证实在大型书面语言样本中存在长程相关性，而这种相关性可以通过采用以单词为基本通讯单位的语言基础启发的特定映像实现。

    Jan, 2002

  • 通过力量和危险波动表征书籍中的叙述时间

    通过计算基于文本长度的峰值波动，利用基于眼动数据的量化方法（ousiometrics）和经验模态分解（Empirical Mode Decomposition）技术，找到了故事结构中子故事的叙事时间尺度，该方法适用于不同长度的书籍的文本分析，并可以清晰地提取故事中的基本趋势和波动信息以及提取一些污染信息，对于文本分析全面了解了更多的故事信息和主题结构。

    Aug, 2022