基于相似度神经网络的协同标注模型

发布时间：2021-09-19 17:21

　　协同标注作为一种成熟的技术,常被用来解决信息资源索引、管理、检索等问题,但存在因数据间交互信息不充分或无交互信息带来的冷启动问题。目前常用的解决办法是采用内容信息来增强和改善注释算法,尤其是基于文本内容的协同过滤,但对于如何更好地提取文本特征、衡量项目相似性等还需要深入探究。针对以上问题,本文结合稀疏线性方法（Sparse Linear Method,SLIM）和孪生卷积神经网络（Siamese Convolution Neural Network,SCNN）提出了一种基于相似度神经网络的协同标注模型（Similarity Neural Network based Collaborative Annota-tion Model,SNNCA）。该模型将SCNN组件用于内容信息的特征提取和项目相似性计算,其输出可视为两个输入内容的非线性相似性度量函数。为了解决SCNN的参数训练问题,本文通过SLIM从已有项目标注数据中学习项目间的相似关系稀疏系数矩阵W,将获得的结果用于训练SCNN组件中的参数。基于此思路,本文专门设计了模型参数学习方法,并通过交叉迭代方式,实现模型参数的联合优化,即每次迭... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

图２．２：?ＴｅｘｔＣＮＮ模型特征提取过程ＰＩ??

云南大学【专业）硕士学位论文??明的，后来被证明将其应用于ＮＬＰ具有很好的效果，如ＴｅｘｔＣＮＮ（ＴｅｘｔＣｏｎｖｏｌｕｔｉｏｎ??Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ１２７］）被广泛应用于文本分类，其模型结构如图２．２所不。首先将文??本通过词嵌入的方式表示为词向量的形式。其次通过训练一个带有卷积层的简单??ＣＮＮ提取文本特征，通过池化等操作对特征进行降维。最后根据任务要求将特征??输入全连接层的函数作为结果输出。??ｓｉｚｅ：（２，３，４）＊５??（１ｌｔｅｒｓ：２??Ｅｍｂｅｄｄｉｎｇ?／?ｃｏｎｖＨ?ＩＮＩａｘ－ｐｏｏｌｉｎｇ??＂ｋｅ?＝?＝?＝??＝?＝?＝?＝?＝?二??＝３：二＝＝＝?二二二二＝＂團?ｆｅａ＂ｆ．ｒｅ??．??????＾?．一＾?Ｉ?＇?ｖｅｃｔｏｒ??ｍｕｃｈ???．?Ｉ??Ａ?選?Ｊ??图２．２：?ＴｅｘｔＣＮＮ模型特征提取过程ＰＩ??卷积是ＣＮＮ中的重要操作，卷积其实就是卷积核作用于神经网络输入上的点??乘和，加上偏置之后的激活输出。卷积核是一个自定义大小的滑动窗口，其个数也??是人为设定的，不同大小的卷积核中的权重参数不同，这样可以保证不同的卷积核??在卷积的过程中对同一区域采集的特征不同，保证提取出所有明显的特征。卷积过??程如下图２．３所示。??ｔｊ＝５?２＊５?ｆｉｌｔｅｒｓ????????ｓｔｒｉｄｅ?１??ｉＬ??ｌｉｋｅｊ??＇?■■■??ｇｒａｐｈＨＨＨＨＨＢ?一?一－－■??

图２．４：池化操作??

【参考文献】：
期刊论文
[1]基于社会化标注的用户兴趣发现及个性化推荐研究[J]. 王晓耘,赵菁,徐作宁.  现代情报. 2018(07)
[2]基于余弦相似度模型的最佳教练遴选算法[J]. 陈大力,沈岩涛,谢槟竹,马颖异.  东北大学学报(自然科学版). 2014(12)
[3]一种用于社会化标签推荐的主题模型[J]. 孙甲申,王小捷.  北京邮电大学学报. 2014(03)
[4]基于社会网络分析的协同推荐方法改进[J]. 冯勇,李军平,徐红艳,党晓婉.  计算机应用. 2013(03)

博士论文
[1]文本分类及其相关技术研究[D]. 尚文倩.北京交通大学 2007

硕士论文
[1]文本分类中特征选择和特征加权算法的研究[D]. 杜同森.北京邮电大学 2014
[2]文本聚类分析效果评价及文本表示研究[D]. 周昭涛.中国科学院研究生院（计算技术研究所） 2005



本文编号：3402022