基于最简门单元的循环神经网络分词

作     者：刘志明 孙严伟 欧阳纯萍 万亚平 LIU Zhi-ming;SUN Yan-wei;OUYANG Chun-ping;WAN Ya-ping

作者机构：南华大学计算机学院湖南衡阳421001 

基　　金：国家自然科学基金项目(61402220) 湖南省哲学社会科学基金项目(16YBA323) 

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

年 卷 期：2019年第40卷第5期

页      码：1328-1333页

摘      要：为解决长短期记忆(long short-term memory,LSTM)单元循环神经网络结构复杂,训练时间长,标注推理速度慢的问题,结合现有文献分析循环神经网络及其单元结构的理论基础,提出一种基于最简门单元(minimalist gated unit,MGU)的循环神经网络进行中文分词研究。使用MGU单元替换LSTM单元自动提取特征,建立长期依赖信息。在中文分词评测常用语料Bakeoff 2005数据集上进行实验,实验结果表明,MGU网络与LSTM网络精度相当,训练时间减少一半,标注推理速度可提升至3倍。

主 题 词：自然语言处理 中文分词 循环神经网络 长短期记忆 最简门单元 

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

D　O　I：10.16208/j.issn1000-7024.2019.05.024

馆 藏 号：203668732...