融合区分度信息的神经网络关系分类方法
【文章页数】:77 页
【学位级别】:硕士
【部分图文】:
图1-1知识库构建简图??
?山东大学硕士学位论文???另外,关系分类对知识图谱的构建有重要作用。知识图谱用符号描述现实世界??中的概念和概念之间的关系,知识图谱本身是一种结构化的语义知识库。它以“实??体-关系-实体”这样的三元组为基本组成单位,除三元组外,知识图谱中还包含实??体的“属性-值”对,实体之....
图2-1神经网络语言模型??前面提到通过训练神经网络语言模型得到词向量的方法太过耗时,而Milokov??等人[39_于2〇丨3年提出的w〇rd2歡刚好解决了这个问题
将词表示看做模型中需要训练的参数,利用词语上下文信息直接得到预测词的词??表示。Bengio等人于2003年提出神经网络语言模型(Neural?Network?Language?Model,??NNLM)^,同时得到了语言模型和词向量,该模型如图2-1所示,它的本质仍是??N-g....
图2-2?CBOW模型结构图??
CBOW模型与神经网络语言模型结构类似,分为三层,输入层,映射层(隐??藏层),输出层。只是在CBOW模型中,映射层(隐藏层)不是非线性函数而是采??用求和操作,这一改变大大加快了模型的训练速度。其模型结构如图2-2所示:??w(t-2)?w(t-l)?w?(t+1)?w?(t+....
图2-3?Skip-gram模型结构??2.?2.?2?Word2vec的加速方法??
与CBOW模型相同,该模型也是分为三层,输入层,映射层和输出层,输入??M输入的是中心词的one-hot编码,经过映射层后送入到输出层,在Skip-gram??模型中,映射层没有求平均操作,其模型结构如图2-3所示。Skip-gram模型中输??入层的向量为et,经过映射层的线性....
本文编号:3916542
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3916542.html