首页|基于强化学习和注意力机制的朝鲜语文本结构发现

基于强化学习和注意力机制的朝鲜语文本结构发现

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
将注意力机制与深度强化学习相结合,利用标签信息研究如何自主学习出有效的朝鲜语文本结构化表示,提出了两种结构化表示模型:信息蒸馏注意力模型(ID-Attention)和层次结构注意力模型(HS-Attention).ID-Attention选择与任务相关的重要单词,而HS-Attention在句中发现短语结构.两种表示模型中的结构发现是一个顺序决策问题,使用强化学习中的Policy Gradient实现.实验结果表明:ID-Attention能够识别朝鲜语重要单词;HS-Attention能够很好地提取出句子结构,在文本分类任务上有很好的性能表现,同时,两模型的结果对语料库的标注有很好的辅助作用.
Korean text structure discovery based on reinforcement learning and attention mechanism

赵亚慧、杨飞扬、张振国、崔荣一

展开 >

延边大学 计算机科学与技术系,吉林 延吉 133002

人工智能 深度强化学习 注意力机制 文本结构发现 朝鲜语自然语言处理

YB135-7618YLPY13

2021

10.13229/j.cnki.jdxbgxb20200358

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 2
  • 2