For analysing and/or understanding languages having no word boundaries based on morphological analysis such as Japanese, Chinese, and Thai, it is desirable to perform appropriate word segmentation before word embeddings. But it is inherently difficult in these languages. In recent years, various language models based on deep learning have made remarkable progress, and some of these methodologies utilizing character-level features have successfully avoided such a difficult problem. However, when a model is fed character-level features of the above languages, it often causes overfitting due to a large number of character types. In this paper, we propose a CE-CLCNN, character-level convolutional neural networks using a character encoder to tackle these problems. The proposed CE-CLCNN is an end-to-end learning model and has an image-based character encoder, i.e. the CE-CLCNN handles each character in the target document as an image. Through various experiments, we found and confirmed that our CE-CLCNN captured closely embedded features for visually and semantically similar characters and achieves state-of-the-art results on several open document classification tasks. In this paper we report the performance of our CE-CLCNN with the Wikipedia title estimation task and analyse the internal behaviour.


翻译:分析和(或)理解基于日语、中语和泰语等形态分析的没有字界界限的语言,最好在嵌入文字之前进行适当的字分解,但在这些语言中,这具有内在的困难。近年来,基于深层次学习的各种语言模式取得了显著进展,其中一些使用性格特征的方法成功地避免了这样一个难题。然而,如果将上述语言的性格特征作为特征特性级特征提供一个模型,则往往会由于许多字符类型而导致过于适合。在本文中,我们建议使用字符编码器来进行CE-CLCNN, 性格级神经神经网络,用于解决这些问题。拟议的CE-CLCNN是一个端到端学习模式,具有基于图像的字符编码器,即CE-CLCNN将目标文件中的每个字符都作为图像处理。我们通过各种实验发现并确认,我们的CE-CLCNN为视觉和语义性格相似的近嵌嵌嵌,并用若干开放文件标题的CMILIA任务,我们用CLU内部任务分析了我们的文件。

5
下载
关闭预览

相关内容

零样本文本分类,Zero-Shot Learning for Text Classification
专知会员服务
95+阅读 · 2020年5月31日
专知会员服务
60+阅读 · 2020年3月19日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
CVPR2018 | Decoupled Networks
极市平台
4+阅读 · 2019年3月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
【推荐】全卷积语义分割综述
机器学习研究会
19+阅读 · 2017年8月31日
Arxiv
6+阅读 · 2019年4月4日
Arxiv
12+阅读 · 2018年9月15日
Text classification using capsules
Arxiv
5+阅读 · 2018年8月12日
VIP会员
Top
微信扫码咨询专知VIP会员