计算机研究与发展

作者：吴法民,吕广奕,刘淇,何明,常标,何伟栋,钟辉,张乐,

关键词：视频实时评论, 弹幕, 深度语义表征, 语义检索, 字符级循环神经网络,

随着互联网技术的进步，以视频实时评论为代表的众包短文本(又称弹幕)逐渐流行，对在线媒体分享平台和娱乐产业都带来了重要影响.针对此类短文本展开研究，为推荐系统以及人工智能等领域的发展提供了新的机遇，在各行各业都具有巨大价值.然而在弹幕带来机遇的同时，理解和分析这种面向视频的众包短文本也面临诸多挑战：视频实时评论的高噪声、不规范表达和隐含语义等特性，使得传统自然语言处理(naturallanguageprocessing,NLP)技术具有很大局限性，因此亟需一种容错性强、能刻画短文本深度语义的理解方法.针对以上挑战，在“相近时间段内的视频实时评论具有相似语义”假设的基础上，提出了一种基于循环神经网络(recurrentneuralnetwork,RNN)的深度语义表征模型.该模型由于引入了字符级别的循环神经网络，避免了弹幕噪声对文本分词带来的影响.通过使用神经网络，使所得的语义向量能够表达弹幕的隐含语义.在此基础上，进一步设计了基于语义检索的弹幕解释框架，同时作为对语义表征结果的应用验证.最后，设计了多种对比方法，并采用不同指标对所提出的模型进行充分的验证.该模型能够精准地刻画弹幕短文本的语义，也证明了关于弹幕相关假设的合理性.

来源：2019年第2期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2019年第2期