为了学习非结构化文本与对应的结构化语义知识之间的嵌入语义对应关系,本文提出了一种用于自然语言理解(Natural Language Understanding,NLU)的分布式语义向量学习框架.该语义框架使用长短期记忆对输入序列进行编码以生成文本向量,然...
详细信息
为了学习非结构化文本与对应的结构化语义知识之间的嵌入语义对应关系,本文提出了一种用于自然语言理解(Natural Language Understanding,NLU)的分布式语义向量学习框架.该语义框架使用长短期记忆对输入序列进行编码以生成文本向量,然后将意图标签、时隙标记和时隙值向量合并生成分布式语义向量,通过最小化文本输出向量与语义框架向量的距离,将语义等价向量放置在向量空间中,最后采用意图重构和时隙标签生成损失作为目标得分以学习鲁棒的语义向量.实验结果表明,所学习的语义向量包含语义信息,该语义框架在NLU结果重新排列方面均优于测试的NLU系统.
针对基于演化算法的唐诗自动生成系统展开研究.研究工作主要有:使用GloVe(Global Vectors for Word Representation)模型训练词向量,设计了基于关键词和平仄押韵的初始种群方案、基于语法语义加权值的适应度函数、基于锦标赛算法的选择...
详细信息
针对基于演化算法的唐诗自动生成系统展开研究.研究工作主要有:使用GloVe(Global Vectors for Word Representation)模型训练词向量,设计了基于关键词和平仄押韵的初始种群方案、基于语法语义加权值的适应度函数、基于锦标赛算法的选择策略、基于启发式交叉算子和启发式变异算子的演化算法;给出了基于演化算法的唐诗自动生成模型及系统实现.实验表明,根据给定关键词,该系统初步实现了唐诗的自动生成,生成的唐诗经人工修改后具有一定的欣赏价值.
暂无评论