.png){kind=icon}
返回
A Novel Semantic Embedding Using Complex Mapping
.png){kind=icon}
OA
AI
DOI：10.1007/s11063-026-11842-5.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
词嵌入是自然语言处理（NLP）任务中不可或缺的一部分，它连接了机器和人类语言的理解。尽管词嵌入作为一种表示系统深刻地变革了NLP，但近年来发表的词表示模型的调查促使我们关注其局限性。词嵌入的本质尚未完全发展到能够正确解码长文本中的上下文词或处理短语、同形异义词，甚至异形同义词和多义词。这一问题反过来增加了对各种神经网络的依赖、更多的计算量以及解决歧义的成本。为了克服这一问题，提出了一种适合编码嵌入间相互依赖关系的方法。该方法基于叠加原理，帮助系统首次以不同方式处理句子。叠加适应通过提出一个复数映射模型来实现，以防止意义干扰并在将词嵌入输入模型的第一阶段考虑词语关系。所提出的方法成功解码了词语间的有意义关联。该方法在两种语言（中文和英文）的三个公共数据集上的三个NLP任务中进行评估。详细的实验表明，所提出的方法优于当前最先进的方法，平均误差减少了17%。进一步的讨论集中在结果上，以确认该方法在其他任务中的有效性和可重用性。
Keyword:
Natural language processing
Word embedding
Complex mapping
Neural networks
Deep learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
