Dec, 2022

利用多重联合因素增强中文文本分类的嵌入

PDF
TL;DR提出 Moto 模型以融合汉字的语义信息，包括偏旁部首、拼音码和五笔码以提高中文文本分类性能。通过对四项任务的广泛实验，该模型在中文新闻标题，复旦语料库和清华新闻上实现显著改善，F1 得分最高可达 0.8316，词性标注任务的准确率可达 96.38％，文本分类任务的准确率可达 0.9633。
发现论文，激发创造
  • 中文分词的多字符嵌入

    本篇论文提出一种采用多种字符嵌入的共享 Bi-LSTM-CRF 模型来进行中文分词，并在实验中证明此方法能够显著提高分词准确率，同时在 AS 和 CityU 语料库中取得了 96.9 和 97.3 的最优 F1 得分。

    Aug, 2018

  • MECT: 基于多元数据嵌入的跨注意力机制转换器用于中文命名实体识别

    本篇论文提出了一种基于多元数据嵌入跨 Transformer（MECT）的方法，结合汉字的结构信息来提高汉语命名实体识别（NER）的性能，并使用两个流 Transformer 进行多元数据嵌入来集成汉字特征与基本层次嵌入。在多个著名的基准测试数据集上进行的实验表明，该方法在 NER 方面具有较好的表现。

    Jul, 2021

  • 神经机器翻译中的汉字分解与多词表达

    本研究探讨了不同层次的汉字分解对机器翻译的影响，包括偏旁、笔画和中间层级。研究还考察了分解多词表达式对提高翻译模型学习的影响。

    Apr, 2021

  • 基于部首增强的汉字嵌入

    利用偏旁部首进行汉字向量嵌入，研发了一种具有专门神经网络结构的方法，在中文字符相似度判别和中文词分割等任务上，该方法通过整合汉字中的偏旁部首信息，实现了较好的效果。

    Apr, 2014

  • 将汉字部首融入神经机器翻译：更深入的层次

    该论文旨在改善神经机器翻译系统的词汇表外 (未知) 单词的翻译水平，特别是针对神经机器翻译系统用于中文翻译的方法，并且通过引入汉字偏旁部首信息进行语义分析。实验结果表明，所提出的模型在包括 LEPOR、BEER 和 CHARACTER 在内的多种评估指标上均优于基线模型。

    May, 2018

  • 基于部首先验的自然场景中的汉字识别

    本文介绍了一种基于偏旁部首的汉字表示方法，并使用多任务学习和监督训练来提高该方法在中文场景文本识别上的性能， 实现了在六个中文数据集上的优异表现。

    Oct, 2022

  • 使用汉字对命名实体进行识别

    本篇论文提出一种运用中文字符字形并覆盖了一些语义信息的 CNN 模型进行命名实体识别，该模型取得了比使用传统特征的模型更好的成果，提升了命名实体识别的效率。

    Sep, 2019

  • 基于 LSTM 和部首嵌入的古汉语句子分割

    本文提出了基于偏旁部首的低维特征嵌入方法，配合 LSTM 模型用于古代汉语文本的句子分割，实验结果表明，相较于已有方法，在汉文句子分割上取得了更好的效果，尤其是唐代碑文的处理。

    Oct, 2018

  • 利用多个嵌入进行中文命名实体识别

    本文提出了一种简单而有效的基于神经网络的框架 ME-CNER，用于通过多粒度的字符级表示来识别汉语微博中的命名实体。实验结果表明，该方法在 Weibo 数据集上取得了显著的性能提升。

    Aug, 2019

  • 组件增强的汉字嵌入

    本文创新性地发展了两种增强中文字符嵌入模型及其二元模型扩展，它们通过探索中文字符的组合，来有效地捕捉语义信息并已成功地应用于词语相似度和文本分类任务。

    Aug, 2015