基于膨脹卷積神經(jīng)網(wǎng)絡(luò)模型的中文分詞方法
關(guān)鍵詞：中文分詞 膨脹卷積 深度學(xué)習(xí) 自然語(yǔ)言處理
摘要：目前,許多深度神經(jīng)網(wǎng)絡(luò)模型以雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)結(jié)構(gòu)處理中文分詞任務(wù),存在輸入特征不夠豐富、語(yǔ)義理解不全、計(jì)算速度慢的問題。針對(duì)以上問題,該文提出一種基于膨脹卷積神經(jīng)網(wǎng)絡(luò)模型的中文分詞方法。通過加入漢字字根信息并用卷積神經(jīng)網(wǎng)絡(luò)提取特征來豐富輸入特征;使用膨脹卷積神經(jīng)網(wǎng)絡(luò)模型并加入殘差結(jié)構(gòu)進(jìn)行訓(xùn)練,能夠更好理解語(yǔ)義信息并提高計(jì)算速度?；贐akeoff 2005語(yǔ)料庫(kù)的4個(gè)數(shù)據(jù)集設(shè)計(jì)實(shí)驗(yàn),與雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型的中文分詞方法做對(duì)比,實(shí)驗(yàn)表明該文提出的模型取得了更好的分詞效果,并具有更快的計(jì)算速度。
中文信息學(xué)報(bào)雜志要求:
{1}本刊對(duì)刊發(fā)的文章?lián)碛邪鏅?quán)，不得擅自轉(zhuǎn)載、改編。凡轉(zhuǎn)載、改編務(wù)經(jīng)我刊同意，違者必究。
{2}作者簡(jiǎn)介包括：姓名、性別、出生年月、畢業(yè)學(xué)校及所學(xué)專業(yè)、工作單位、職務(wù)職稱、現(xiàn)從事的研究工作情況。
{3}來稿若屬國(guó)家自然科學(xué)基金項(xiàng)目或省部基金項(xiàng)目，請(qǐng)?jiān)谖母逯袠?biāo)明其基金來源和編號(hào)，我刊可以優(yōu)先審核發(fā)表。
{4}正文內(nèi)連續(xù)敘述中的序號(hào)采用①……；②……；③……。分級(jí)超過3級(jí)后用網(wǎng)括號(hào)如：“①”，“②”表示，并采用連排。
{5}附注請(qǐng)一律使用當(dāng)頁(yè)腳注的形式，以帶圈①……⑩的方式編號(hào)，使用每頁(yè)重新編號(hào)的方式。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
