《表1 部分词性标准对照表Tab.1 Parts of pos tags》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合词性信息的基于注意力机制的双向LSTM的中文文本分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，本文利用无监督学习方式的分布式表示模型，将每个词语和词性标签映射到向量空间中，用以生成能够表示词语语义和词性自身含义的向量表示。首先采用分词工具对中文文本进行分词和词性标注以获取词语序列w={w1，w2，…，wn}和对应的词性序列wp={wp1，wp2，…，wpn}，其中n表示文本长度，w1表示在词语序列中的第1个词语，wp1表示w1对应的词性；然后通过使用分布式表示模型生成基于词向量的上下文表示vw={vw1，vw2，…，vwn}和基于词性向量的上下文表示vp={vp1，vp2，…，vpn}，其中vw1，vp1∈Rd分别表示词语w1和词性wp1的向量表示，d表示向量维度的大小，部分词性标注对照表如表1所示。