遞歸自編碼器的廣告短語相關性
大?。?/span>0.72 MB 人氣： 2017-12-26 需要積分：1
針對現有廣告短語相關性研究成果多采用字面匹配，忽略了短語所包含的深層語義信息，限制了任務的性能等問題，提出了采用深度學習算法研究廣告短語的相關性，采用遞歸自編碼器（ RAE）對短語進行深層結構分析，使得短語向量包含深層的語義信息，以此來構建廣告語境下的短語相關性計算方法。具體地，給定一個包含若干詞的序列，序列中所有相鄰的兩個元素嘗試合并產生一個重構誤差，遍歷將重構誤差最小的元素兩兩合并，形成類似哈夫曼樹結構的短語樹。采用梯度下降法最小化短語樹的重構誤差，采用余弦距離度量短語之間的相關性。實驗結果顯示，通過引入詞語權重信息，加大了重要詞語在最終短語向量表示中貢獻的信息量，使得RAE更適合短語計算；比起傳統LDA和BM25算法，在50%召回率的條件下，提出的算法的準確率分別提高了4.59個百分點和3.21個百分點，這證明了所提算法的有效性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
遞歸自編碼器的廣告短語相關性下載
相關電子資料下載
- rnn是遞歸神經網絡還是循環神經網絡 164
- 基于RZ/T2M的EnDat編碼器方案 458
- 遞歸神經網絡結構形式主要分為 129
- 簡述遞歸神經網絡的計算過程 135
- 遞歸神經網絡與循環神經網絡一樣嗎 139
- 帶Arduino的旋轉編碼器設計 旋轉編碼器的工作原理和特點 124
- 遞歸神經網絡主要應用于哪種類型數據 208
- 遞歸神經網絡是循環神經網絡嗎 199
- 遞歸神經網絡的結構、特點、優缺點及適用場景 184
- 循環神經網絡和遞歸神經網絡的區別 155