科研之友
微信
新浪微博
Facebook
分享链接
摘要
层次概念能够有效解释语言模型的隐含知识，并且提升语言模型的结构化优化性能。针对层次概念表示和学习模型的多样化发展，该文分析了层次概念表示的线性空间、概率空间和文本蕴含性质，梳理了概念学习模型的层次结构和优化原理，用于促进概念学习模型的应用效果。通过阐述概念学习过程和语义空间的层次性质，归纳层次概念学习的四类计算模型：基于条件熵的文本层次概念抽取；建立语言资源的概念层次和神经网络的隐含层次之间的映射；通过迭代的随机过程拓展主题模型；在正则化因子中添加语义关系约束。通过概念学习综述得出如下结论：层次性的语言模型广泛结合了显明和隐含的概念表示方法；统计模型和语言资源的语义映射是拓展层次结构的主要路径；层次结构具有双曲空间和嵌套球形结构；层次结构分析可以提升统计模型的解释水平。
-
单位徐州工程学院
