用于标签预测的递归神经语言架构
信息检索
2016-03-25 v1 计算与语言
机器学习
神经与进化计算
摘要
我们考虑从标签的关联内容中学习标签的分布式表示以用于标签推荐任务的问题。考虑到标注信息通常非常稀疏，从内容和标签关联中进行有效学习是至关重要且具有挑战性的任务。最近，各种神经表示学习模型如WSABIE及其变体展现出有前景的性能，主要由于在语义空间中学习到的紧凑特征表示。然而，它们的能力受限于将标签表示为等权部分之和的线性组合方法，并损害了性能。本工作中，我们提出一种神经反馈相关性模型，用于学习具有加权特征表示的标签表示。我们在两个广泛使用的数据集上的实验显示了相对于各种基线的推荐质量的显著提升。
引用
@article{arxiv.1603.07646,
title = {Recursive Neural Language Architecture for Tag Prediction},
author = {Saurabh Kataria},
journal= {arXiv preprint arXiv:1603.07646},
year = {2016}
}