基于特征学习的文本大数据内容理解及其发展趋势

doi:10.11959/j.issn.2096-0271.2015030

大数据 ›› 2015, Vol. 1 ›› Issue (3): 72-81.doi: 10.11959/j.issn.2096-0271.2015030

基于特征学习的文本大数据内容理解及其发展趋势

袁书寒,向阳,鄂世嘉

同济大学计算机科学与技术系上海 201804

出版日期:2015-06-20 发布日期:2020-09-28
作者简介:袁书寒，男，同济大学博士生，主要研究方向为自然语言处理、深度学习、大数据分析。|向阳，男，同济大学教授、博士生导师，主要研究方向为大数据分析、云计算、语义计算、管理信息系统，主持和参与多项国家“973”计划、“863”计划、国家科技支撑计划、国家自然科学基金项目，近年来发表论文50余篇。|鄂世嘉，男，同济大学博士生，CCF学生会员，主要研究方向为云计算、知识图谱、大数据系统。
基金资助:
国家重点基础研究发展计划（“973”计划）基金资助项目(2014CB340404);上海市科委科研计划项目(14511108002)

Text Big Data Content Understanding and Development Trend Based on Feature Learning

Shuhan Yuan,Yang Xiang,Shijia E

Department of Computer Science and Technology,Tongji University,Shanghai 201804,China

Online:2015-06-20 Published:2020-09-28
Supported by:
The National Basic Research Program of China(973 Program)(2014CB340404);The Science and Technology Planning Project of Shanghai(14511108002)

摘要/Abstract

摘要：

大数据中蕴含着重要的价值信息，文本大数据作为大数据的重要组成部分，是人类知识的主要载体。特征作为数据内在规律的反映，将文本大数据映射到反映数据本质的特征空间是文本大数据语义理解的重要手段。介绍了文本大数据的特征表示、特征学习，进而梳理了特征学习在文本大数据内容理解中的进展，最后阐述了基于特征学习的文本大数据内容理解未来的发展趋势。

关键词: 文本大数据, 特征学习, 内容理解

Abstract:

Big data contains important value information.Text big data as an important part of big data is the main carrier of human knowledge.Feature represents the inherent law of the data.Mapping the text big data to its feature space which reflects the nature of data is an important method to understand the semantic meaning of the text.Text big data feature representations and feature learning were reviewed.Then the progress of feature learning used in text content understanding was presented.Finally,the future development trends of big text data content understanding were discussed.

Key words: text big data, feature learning, content understanding

中图分类号:

TP391.1

袁书寒, 向阳, 鄂世嘉. 基于特征学习的文本大数据内容理解及其发展趋势[J]. 大数据, 2015, 1(3): 72-81.

Shuhan Yuan, Yang Xiang, Shijia E. Text Big Data Content Understanding and Development Trend Based on Feature Learning[J]. Big Data Research, 2015, 1(3): 72-81.

图/表 3

参考文献 16

[1]	Bengio Y . Deep learning: theoretical motivations. Presented at the Deep Learning Summer School, 2015
[2]	Bengio Y , Courville A , Vincent P , . Representation learning: a review and new perspectives. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013,35(8):1798～1828
[3]	Bengio Y . Learning deep architectures for AI. Foundations and Trends in Machine Learning, 2009,2(1):1～127
[4]	Hinton G E , Osindero S . A fast learning algorithm for deep belief nets. Neural Computation, 2006,18(7): 1527～1554
[5]	Srivastava N , Hinton G , Krizhevsky A , et al. Dropout: asimple way to prevent neural networks from overfitting. Journal of Machine Learning Research, 2014,15(1):1929～1958
[6]	Nair V , Hinton G E . Rectified linear units improve restricted boltzmann machines. Proceedings of the 27th International Conference on Machine Learning (ICML-10), Haifa,Israel, 2010: 807～814
[7]	Miller G A . WordNet: a lexical database for English. Communications of the ACM, 1995,38(11): 39～41
[8]	董振东，董强，郝长伶 . 知网的理论发现. 中文信息学报, 2007,21(4): 3～9
	Dong Z D ， Dong Q ， Hao C L . Theoretical findings of HowNet. Journal of Chinese Information Proceeding, 2007,21(4): 3～9
[9]	Collobert R , Weston J . A unified architecture for natural language processing : deep neural networks with multitask learning. Proceedings of the 25th International Conference on Machine Learning, Helsinki,Finland, 2008
[10]	Mikolov T , Corrado G , Chen K , et al. Efficient estimation of word representations in vector space. Proceedings of Workshop at ICLR, Florida,USA, 2013:1～12
[11]	Maaten L V D , Hinton G . Visualizing data using t-SNE. Journal of Machine Learning Research, 2008(9): 2579～2605
[12]	Mitchell J , Lapata M . Composition in distributional models of semantics. Cognitive Science, 2010,34(8): 1388～1429
[13]	Socheer R , Perelygin A , Wu J Y , et al. Recursive deep models for semantic compositionality over a sentiment treebank. Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP 2013), Washington DC,USA, 2013:1631～1642
[14]	Bordes A , Usunier N , Garcia-Duran A , et al. Translating embeddings for modeling multi-relational data. Proceedings of Conference on Advances in Neural Information Processing Systems (NIPS), South Lake Tahoe,Nevoda,US, 2013:2787～2795
[15]	Garcia-Durran A , Bordes A , Usunier N . Composing relationships with translations. Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP 2015), Lisbon,Portugal, 2015:286～290
[16]	Sukhbaatar S , Szlam A , Weston J , et al. End-to-end memory networks. arXiv Preprint arXiv:1503.08895, 2015

基于特征学习的文本大数据内容理解及其发展趋势

Text Big Data Content Understanding and Development Trend Based on Feature Learning

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 3

参考文献 16

相关文章 14

Metrics

推荐阅读 0

[1]	于亚秀, 李欣. 数字人文视域中的古籍文本标注方法研究——以MARKUS为例[J]. 大数据, 2022, 8(6): 15-25.
[2]	崔雨萌, 王靖亚, 闫尚义, 陶知众. 基于深度学习的警情记录关键信息自动抽取[J]. 大数据, 2022, 8(6): 127-142.
[3]	韩立帆, 季紫荆, 陈子睿, 王鑫. 数字人文视域下面向历史古籍的信息抽取方法研究[J]. 大数据, 2022, 8(6): 26-39.
[4]	关海山, 郑玉龙, 魏笔凡, 张泽民, 岳浩, 师斌, 董博. 税收优惠政策关键要素抽取与可视化分析[J]. 大数据, 2022, 8(5): 106-123.
[5]	徐康庭, 宋威. 结合语言知识和深度学习的中文文本情感分析方法[J]. 大数据, 2022, 8(3): 115-127.
[6]	肖晓霞, 刘明婷, 杨冯天赐, 刘鉴建县, 杨阳, 石月. 基于NLP的中医医案文本快速结构化方法[J]. 大数据, 2022, 8(3): 128-139.
[7]	黄辉, 秦永彬, 陈艳平, 黄瑞章. 基于BERT阅读理解框架的司法要素抽取方法[J]. 大数据, 2021, 7(6): 19-29.
[8]	孙倩, 秦永彬, 黄瑞章, 刘丽娟, 陈艳平. 结合案件要素序列的罪名预测方法[J]. 大数据, 2021, 7(6): 30-40.
[9]	王文广. 知识图谱推理：现代的方法与应用[J]. 大数据, 2021, 7(3): 42-59.
[10]	麻珂欣, 魏笔凡, 马杰, 刘均, 黄毅, 胡珉, 冯俊兰. 知识主题间先序关系挖掘[J]. 大数据, 2020, 6(6): 26-39.
[11]	肖时耀, 吕慰, 陈洒然, 秦烁, 黄格, 蔡梦思, 谭跃进, 谭旭, 吕欣. 基于百度贴吧的HIV高危人群特征分析[J]. 大数据, 2019, 5(1): 98-108.
[12]	杜小勇, 陈跃国. 大数据的价值发现方法[J]. 大数据, 2017, 3(2): 19-25.
[13]	赵妍妍,秦兵,刘挺. 社会焦点透视镜系统—— 大数据视角下的舆情观测平台[J]. 大数据, 2016, 2(2): 46-55.
[14]	程学旗, 兰艳艳. 网络大数据的文本内容分析[J]. 大数据, 2015, 1(3): 62-71.