通过深度孪生神经网络改进文本分类中的文档嵌入
计算与语言
2020-06-02 v1 信息检索
机器学习
摘要
由于互联网上数据量的不断增长，为文本寻找高信息量、低维的表示是包括文本分类在内的高效自然语言处理任务的主要挑战之一。这种表示应捕捉文本的语义信息，同时保持其与文档分类的相关程度。该方法将具有相似主题的文档映射到向量空间表示中的相似空间。为了获得大文本的表示，我们提出利用深度孪生神经网络。为了在分布式表示中嵌入主题相关的文档关联性，我们使用孪生神经网络联合学习文档表示。我们的孪生网络由两个多层感知机子网络组成。我们在BBC新闻数据集上检验了我们所提出的表示用于文本分类任务的效果。结果表明，在该数据集的文本分类任务中，所提出的表示优于传统的和当前最先进的表示。
引用
@article{arxiv.2006.00572,
title = {Improve Document Embedding for Text Categorization Through Deep Siamese Neural Network},
author = {Erfaneh Gharavi and Hadi Veisi},
journal= {arXiv preprint arXiv:2006.00572},
year = {2020}
}