基于神经网络的模式识别在自然语言处理中的应用

发布时间：2021-11-17 07:46

　　随着社会信息化进程,互联网拥有了海量的数据,处理文本数据的需求日益增多,使得自然语言处理（Natural Language Processing,NLP）成为极具研究价值的领域之一。文本分类作为文本数据挖掘的基础任务,被广泛用于推荐系统、垃圾邮件识别、语音助手等任务。如何构造归纳学习能力强大,同时,兼具可解释性高、适用场景灵活的分类模型,一直是极具挑战的难点。近年来,被认为是解决此难点的途径——神经符号学习,日益成为研究的前沿方向。本文基于公司的研究项目^[1],研究升规则系统的方法,项目组出了“神经规则引擎”模型（Neural Rule Engine,NRE）。NRE模型使用的方法对于升级现有的规则系统以及构建不依赖于大量数据的神经规则系统,有很好的应用价值。NRE模型的创新点及主要工作如下:（1）不同于以往的研究者将符号知识引入神经网络,NRE模型采用全新的融合策略——利用神经网络来改善规则的效果,来增强模型的学习能力和可解释性。NRE模型,从所有规则中抽象出统一的基本操作模块,再通过解析器生成模块的执行顺序和参数,最后按顺序执行模块生成输出。（2）对引入神经网... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

规则学习与神经网络模拟示意图

神经规则学习模拟示意图

前馈神经网络示意图


本文编号：3500472