词向量语义表示研究进展

摘要：

”目的/意义”词是语言的最小单元,词的向量表示决定了机器学习模型的构建方法.深度学习的神经网络训练得到的词向量,通过无监督的机器学习方法从海量数据中自动学习词汇的语义特征,无需人工标注和复杂繁琐的特征工程,端到端的完成各种自然语言处理任务,带来了一种新的研究范式,成为学术界的研究热点.”方法/过程”介绍了词向量语义表示及优化方法,存在的问题及解决方法,最后指出了词向量未来的研究方向.”结果/结论”将句法特征、词形特征、(知识库)先验语义知识融入到神经网络模型能增强词向量的语义表示能力,针对词向量存在的一词多义、解释性差等问题,总结了最新的研究成果.

关键词：词向量、分布式表示、深度学习、神经网络

所属期刊栏目：37

分类号：G254(图书馆学、图书馆事业)

在线出版日期：2019-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：155-165