基于互信息最大化的文档相关性模型

作     者：陆敏锋 张启飞 卢成浪 吴菁 LU Min-feng;ZHANG Qi-fei;LU Cheng-lang;WU Jing

作者机构：浙江机电职业技术学院现代信息技术学院浙江杭州310053 浙江大学软件学院浙江宁波315048 

基　　金：教育部人文社科研究青年基金项目(21YJCZH096) 杭州市哲学社会科学规划课题基金项目(M22JC067) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2024年第45卷第9期

页      码：2712-2718页

摘      要：针对传统的文档相关性识别方法在训练过程中文档信息提取不充分的问题,提出一种互信息最大化框架下的深度学习方法。涉及一个无监督学习过程,使用全局和局部互信息学习文档表示,最大化神经网络的输入表示和输出表示之间的互信息,提取更为丰富的文档内容和结构信息,优化模型预测结果。经过在多项任务上的评估,实验结果表明了该方法的可行性和有效性,与一些传统的方法相比,其在准确度上有相当或更好的表现。

主 题 词：互信息 文档表示 文档相关性 最大化 无监督学习 残差网络 全局特征 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2024.09.021

馆 藏 号：203143372...