Нейросетевые подходы к классификации текстов на основе морфологического анализа
Автор: Харламов А.А., Ле Мань Ха
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика, вычислительная техника и упровление
Статья в выпуске: 2 (34) т.9, 2017 года.
Бесплатный доступ
В данной работе было рассмотрено применение морфологического анализа в класси- фикации текстов. Морфологический анализ позволяет изучать грамматические свой- ства слов, а также грамматическую семантику и взаимодействие между элементами текстов. Были предложены нейро-семантическая сеть на основе морфологического ана- лиза для изучения векторных представлений грамматических структур текста и рекур- сивный автоэнкодер, который состоит из двух частей: первая объединяет два вектора слов, а вторая - два вектора морфологий.
Классификация, морфология, нейронная сеть
Короткий адрес: https://sciup.org/142186183
IDR: 142186183
Список литературы Нейросетевые подходы к классификации текстов на основе морфологического анализа
- Lee J.Y., Dernoncourt F. Sequential Short-Text Classifi with Recurrent and Convolutional Neural Networks//Proceedings of NAACL-HLT. 2016. P. 515-520.
- Narayanan V., Arora I., Bhatia A. Fast and accurate sentiment classifi on using an enhanced Naive Bayes model//International Conference on Intelligent Data Engineering and Automated Learning. 2013. Oct 20. P. 194-201. Springer Berlin Heidelberg.
- Carstairs-McCarthy A. An Introduction to English Morphology: Words and Their Structure. Edinburgh: Edinburgh University Press, 2002.
- Knuth D.E. The Art of Computer Programming: Volume 3: Sorting and Searching. Addison-Wesley Professional, 1998. Apr 24.
- Hinton G.E., Salakhutdinov R.R. Reducing the dimensionality of data with neural networks. science. 2006. Jul 28. 313(5786):504-7.
- Memisevic R., Zach C., Pollefeys M., Hinton G.E. Gated softmax classifi//Advances in neural information processing systems. 2010. P. 1603-1611.
- Socher R, Pennington J, Huang EH, Ng AY, Manning CD. Semi-supervised recursive autoencoders for predicting sentiment distributions//Proceedings of the conference on empirical methods in natural language processing 2011 Jul 27. Association for Computational Linguistics. P. 151-161.
- Efron B., Tibshirani R. Bootstrap methods for standard errors, confi e intervals, and other measures of statistical accuracy. Statistical science. 1986. Feb 1:54-75.
