深度學習與短文本信息挖掘

《深度學習與短文本信息挖掘》是2023年科學出版社出版的圖書。

基本介紹

• 中文名：深度學習與短文本信息挖掘
• 出版時間：2023年11月1日
• 出版社：科學出版社
• ISBN：9787030725561

內容簡介

《深度學習與短文本信息挖掘》對自然語言處理中的兩種代表性的短文本信息挖掘進行研究：關係抽取和彈幕評論挖掘。針對關係抽取任務，從精度、效率、魯棒性及前沿探索四個方面進行分析並提出對應的解決方法。針對彈幕評論挖掘任務，充分地利用彈幕的實時性、互動性、高噪聲等性質，提出適用於彈幕評論的語義分析模型。針對目標任務的信息缺陷，《深度學習與短文本信息挖掘》從多角度研究和設計對應的深度學習算法以提高信息挖掘的精度。

圖書目錄

前言

致謝

第1章深度學習1

1.1深度學習簡介1

1.2深度學習**模型3

1.2.1卷積神經網路3

1.2.2循環神經網路4

1.2.3注意力模型5

1.2.4膠囊網路6

1.2.5遷移學習與多任務學習7

1.2.6對抗學習及生成對抗網路.8

1.2.7主動學習9

思考題.10

第2章短文本信息挖掘11

2.1短文本信息挖掘簡介11

2.2關係抽取簡介.12

2.2.1關係抽取定義13

2.2.2神經關係抽取14

2.2.3遠程監督的關係抽取15

2.2.4關係抽取前沿16

2.2.5研究意義及挑戰17

2.3彈幕評論挖掘簡介19

2.3.1基於無監督學習的文本分析方法.21

2.3.2基於神經網路監督學習的文本分析方法25

2.4研究內容及結構27

2.4.1關係抽取27

2.4.2彈幕評論挖掘29

思考題.31

第3章相關工作32

3.1關係抽取研究.32

3.1.1監督學習32

3.1.2遠程監督35

3.2彈幕評論挖掘研究37

3.2.1基於評論挖掘的關鍵字抽取方法.37

3.2.2基於評論挖掘的**系統38

3.2.3基於評論挖掘的劇透檢測方法.38

思考題.39

第4章關係抽取模型的精度提升40

4.1概述40

4.2多標籤關係抽取40

4.3基於注意力的膠囊網路模型42

4.3.1特徵提取層——Bi-LSTM網路43

4.3.2特徵聚集層——基於注意力的膠囊網路.44

4.3.3關係預測層——基於滑動視窗的損失函式46

4.4實驗47

4.4.1數據集47

4.4.2實驗設定47

4.4.3實驗效果49

4.4.4案例分析52

4.5本章小結53

思考題.53

第5章關係抽取模型的效率最佳化55

5.1概述55

5.2神經關係抽取模型的效率陷阱55

5.3基於句內問答的關係抽取模型57

5.3.1網路結構58

5.3.2複雜度分析61

5.4實驗63

5.4.1數據集63

5.4.2實驗設定64

5.4.3實驗效果65

5.4.4案例分析67

5.5本章小結67

思考題.68

第6章關係抽取模型的魯棒性增強69

6.1概述69

6.2遠程監督的噪聲分布分析70

6.3辭彙級別噪聲解決方法.74

6.4句子級別噪聲解決方法.76

6.5先驗知識級別噪聲解決方法78

6.6數據分布級別噪聲解決方法80

6.7多級別噪聲協同解決方法81

6.8實驗82

6.8.1數據集及評價指標83

6.8.2辭彙級別降噪相關實驗83

6.8.3句子級別降噪相關實驗85

6.8.4先驗知識級別降噪相關實驗88

6.8.5數據分布級別降噪相關實驗89

6.8.6多級別抗噪聲相關實驗91

6.9本章小結93

思考題.93

第7章關係抽取模型的前沿初探94

7.1概述94

7.2錯誤標註負樣本問題95

7.3GAN驅動的半遠程監督學習框架96

7.3.1半遠程監督關係抽取原理96

7.3.2GAN驅動的半監督關係抽取算法98

7.4基於主動學習的無偏測評方法.100

7.4.1無偏測評原理100

7.4.2無偏測評算法101

7.5實驗.104

7.5.1數據集及評價指標104

7.5.2GAN驅動的半遠程監督關係抽取相關實驗105

7.5.3基於主動學習的無偏測評方法相關實驗.109

7.6本章小結115

思考題115

第8章彈幕視頻標籤提取116

8.1概述.116

8.2語義關係圖的構建與圖聚類算法117

8.2.1語義關係圖的構建117

8.2.2基於圖聚類算法的彈幕主題劃分119

8.2.3複雜度分析124

8.3語義權重分析與標籤提取125

8.3.1基於圖疊代算法的評論影響力計算125

8.3.2視頻標籤提取127

8.4實驗.128

8.4.1實驗參數設定與數據集構建128

8.4.2實驗結果133

8.5本章小結138

思考題138

第9章彈幕**系統140

9.1概述.140

9.2基於模型的協同過濾算法141

9.2.1問題描述142

9.2.2基於文本的**模型142

9.2.3圖文融合模型144

9.2.4基於羊群效應的注意力機制146

9.3實驗.148

9.3.1實驗參數設定與數據集構建148

9.3.2實驗結果149

9.4本章小結151

思考題151

第10章彈幕劇透檢測153

10.1概述153

10.2問題定義與符號描述.155

10.2.1問題定義155

10.2.2符號描述156

10.3劇透檢測模型156

10.3.1單詞級注意力編碼器157

10.3.2相似度網路158

10.3.3句子級語義方差注意力機制160

10.3.4數字嵌入方法162

10.4實驗162

10.4.1數據集構建162

10.4.2數據集處理與評價指標163

10.4.3模型性能比較164

10.4.4注意力機制的可視化167

10.5本章小結168

思考題168

第11章總結與展望169

11.1短文關係抽取總結169

11.1.1貢獻和創新點170

11.1.2現有問題討論171

11.2彈幕評論挖掘研究總結172

11.3展望174

思考題176

參考文獻177

彩圖