基于笔画的自编码器：用于高效零样本汉字识别的自监督学习器
计算机视觉与模式识别
2022-07-19 v1 人工智能
摘要
汉字蕴含丰富的形义信息；因此，汉字形体的语义增强已引起显著关注。以往方法旨在直接从整张汉字图像提取信息，通常无法同时捕获全局与局部信息。本文中，我们开发了基于笔画的自编码器（SAE），以自监督方法对汉字复杂形体建模。遵循其规范书写顺序，我们首先将汉字表示为一系列按固定书写顺序的笔画图像，随后训练我们的SAE模型重建该笔画图像序列。该预训练SAE模型只要未见汉字的笔画或部首曾出现在训练集中，即可预测其笔画图像序列。我们针对不同形式笔画图像设计了两种对比性SAE架构。其一在现有基于笔画的方法上微调，用于手写汉字的零样本识别；另一则用于从形体特征丰富中文词嵌入。实验结果验证，预训练后我们的SAE架构在零样本识别中优于其他现有方法，并以其丰富的形义信息增强了汉字的表示。
引用
@article{arxiv.2207.08191,
title = {Stroke-Based Autoencoders: Self-Supervised Learners for Efficient Zero-Shot Chinese Character Recognition},
author = {Zongze Chen and Wenxia Yang and Xin Li},
journal= {arXiv preprint arXiv:2207.08191},
year = {2022}
}
备注
10 pages, 13 figures