{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,18]]，“日期-时间”：“2024-01-18T08:52:49Z”，“时间戳”：1705567969583}，“引用-计数”：49，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：}“日期-部分”：[2022,8,1]]，”日期-时间“：”2022-08-01T00:00:00Z“，”timestamp“：1659312000000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,5,31]]，“date-time”：“2022-05-31T00:00:00Z”，“timestamp”：1653955200000}，“content-version”：“vor”，“delay-in-days”：“0，”URL“http://creativecommons.org\/licenses\/by-nc-nd \/4.0\/“}]，”内容域“：{”域“：[”elsevier.com“，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Information Sciences”]，”published-print“：{“date-parts”：[[2022,8]]}，”DOI“：”10.1016\/j.ins.2022.05.113“，”type“：”journal-article“，”created“：{“date-ports”：[2022,6,2]，”date-time“：”2022-06-02T15:57:05Z“，”timestamp“：1654185425000}，“：”186-210“，”更新策略“：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“source”：“Crossref”、“is-referenced-by-count”：2，“title”：[“具有主题建模的封闭域的上下文增强句子表示学习方法”]，“前缀”：“10.1016”，“卷”：“607”，“作者”：[{“给定”：“双音”，“家族”：“李”，“序列”：“第一”，“从属关系”：[]}，{“已知”：“维威”，“家庭”：“Chen”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Yu”，“family”：“Zhang”，“serquence”:“additionable”，“filiance”：[]}序列“：”附加“，”从属“：[]}，{“given”：“Yong”，“family”：“Tang”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：《10.1016\/j.ins.2022.05.113_b0005》，“series-title”：《计算语言学协会第54届年会论文集（第一卷：长篇论文）》，“首页”：“464”，“article-title”：“用于问答匹配的改进表征学习”，“author”：“Tan”，“year”：“2016”}，{“key”：“10.1016\/j.ins.2022.05.113_b0010”，“series-title”：“2013年自然语言处理实证方法会议论文集”，“first page”：《1631》，“article-title”：“情感树库上语义合成的递归深度模型”，“作者”：“Socher”，“年份”：“2013”}，｛“问题”：“8”，“关键”：“10.1016\/j.in.2022.05.113_b0015”，“doi断言”：“crossref”，“首页”：“1735”，“doi”：“10.1162\/neco.1997.9.81735”，“文章标题”：“长短期记忆”，“卷”：“9”，“作者”：“Hochreiter”，“年份”：“1997”，“journal-title”：“神经计算”}，{“key”：“10.1016\/j.ins.2022.05.113_b0020”，“非结构化”：“R.Kiros，Y.Zhu，R.R.Salakhutdinov，R.Zemel，R.Urtasun，A.Torralba，S.Fidler，Skip-thought-vectors，in：《神经信息处理系统的进展》，2015年，第3294\u20133302页。”}。Logeswaran，H.Lee，《学习句子表征的有效框架》，arXiv预印本arXiv:1803.02893（2018）。“}，{”key“：”10.1016\/j.ins.2022.05.113_b0030“，”unstructured“：”j.Devlin，M.-W.Chang，K.Lee，K.Toutanova，Bert:语言理解的深度双向变换器的预训练，arXiv预印本arXiv:1810.04805（2018）。Salakhutdinov，Q.V.Le，Xlnet：语言理解的广义自回归预训练，arXiv预印本arXiv:1906.08237（2019）。“｝，｛”key“：”10.1016\/j.in.2022.05.113_b0040“，”非结构化“：”Y.Liu，M.Ott，N.Goyal，j.Du，M.Joshi，D.Chen，O.Levy，M.Lewis，L.Zettlemoyer，V.Stoyanov，Roberta:一种稳健优化的伯特预训练方法，arXiv预印本arXiv:1907.11692（2019）。“｝，｛”key“：”10.1016\/j.in.2022.05.113_b0045“，”文章标题“：”可以塞进单个向量的内容：探索句子嵌入的语言属性”，“author”：“Conneau”，“year”：“2018”，“journal-title”：“ACL”}，{“key”：“10.1016\/j.ins.2022.05.113_b0050”，“doi-asserted-by”：“crossref”，”first page“：”53“，”doi“：”10.1016\/j.patrec.2019.018“，”article-title“：”主题表征：在主题模型中寻找更具代表性的单词”，“volume”：“123”，“author”：“Chi”，“year”：“2019”，“journal-title”：“Pattern Recognition Letters”}，{“key”：”10.1016\/j.ins.2022.05.113_b0055“，”article-title“：”无监督主题建模的词多义自适应跨上下文嵌入“，”volume“：”106827“，”author“：”Li“，”年份：“2021”，“journal-title”：“基于知识的系统”}，{“key”：“10.1016\/j.ins.2022.05.113_b0060”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Li，Y.Zhang，R.Pan，K。Mo，自适应概率词嵌入，in：《2020年网络会议论文集》，WWW\u201920，美国纽约州纽约市计算机械协会，2020年，第651\u2013661页。“，”DOI“：”10.1145\/3366423.338147“}，{“key”：“10.1016\/j.ins.2022.05.113_b0065”，“series-title”：“人工智能发展协会（AAAI）”，“首页“：”3223“，”article-title“：”递归注意主题模型，in：第31届AAAI人工智能会议（AAAI-17）“，”author“：”Li“，”year“：”2017“}，{“key”：“10.1016\/j.ins.2022.05.113_b0070”，”series-title“：“纳米电子学、电路和通信系统”，”first page“：”1“，”article-titel“：”医学数据集分类以及使用ldas进行主题建模“，”author“：”Selvi“，”year“：”2019“}，{”key“：”10.1016\/j.ins.2022.05.113_b0075“，”unstructured“：”j.Tang，Z.Meng，X.Nguyen，Q.Mei，M。张，通过后收缩分析了解主题建模的限制因素，载于：国际机器学习会议，2014年，第190\u2013198页。“}，{“key”：“10.1016\/j.ins.2022.05.113_b0080”，“doi-asserted-by”：“crossref”，“first page”：嵌入单词的在线主题发现的非参数模型“，”volume“：”504“，”author“：”Chen“，”year“：”2019“，”journal-title“：”Information Sciences“}，{“key”：“10.1016\/j.ins.2022.05.113_b0085”，”doi-asserted-by“：”crossref“，”first-page“：”66“，”doi“：”10.1016\/j.ins.2017.02007“，“article-title”：“主题建模扩展短文本的通用框架“，”卷“：”393“，”作者“：”Bicalho“，”年份“：”2017“，”期刊标题“：”信息科学“}，{“key”：“10.1016\/j.ins.2022.05.113_b0090”，“doi-asserted-by”：“crossref”，“first page”：”83“，”doi“：”10.1016\/j.ins.2018.04.071“，”article-title“：”过滤短文本主题建模中的噪音“，”volume“：”456“，”author“：”Li“，”year“：”2018“，”journal-title“：”Information Sciences“}，{“key”：“10.1016\/j.ins.2022.05.113_b0095”，“doi-asserted-by”：“crossref”，“unstructured”：“M.E.Peters，M.Neumann，M.Iyyer，M.Gardner，C.Clark，K.Lee，L.Zettlemoyer，Deep contextualized word representation，arXiv预印本Xiv:1802.05365（2018）。”，“doi”：“10.18653\/v1\/N18-1202“}，{“key”：“10.1016\/j.ins.2022.05.113_b0100”，“doi-asserted-by”：“crossref”，“unstructured”：“j.Pennington，R.Socher，C.D.Manning，Glove:Global vectors for word representation”，收录于：EMNLP，2014年第14卷，第1532\u20131543页。”，“doi”：“10.3115\/v1\/D14-1162”}，“{“key”：”10.1016\/j.ins.2022.05.113_b0105“，“series-title”：“向量空间中单词表示的有效估计”，“author”：“Mikolov”，“year”：“2013”}，{“key”：“10.1016\/j.ins.2022.05.113_b0110”，“doi-asserted-by”：“crossref”，“unstructured”：“D.Cer，Y.Yang，S.-Y.Kong，N.Hua，N.Limtiaco，R.S.John，N.Constant，M.Guajardo-Cespedes，S.Y.Kong。Tar等人，《通用句子编码器》，arXiv预印本arXiv:1803.11175（2018）。“，”DOI“：”10.18653\/v1\/D18-2029“}，{“key”：“10.1016\/j.ins.2022.05.113_b0115”，“article-title”：“Paranmt-50m:用数百万机器翻译突破释义句嵌入的限制”，“author”：“Wieting”，“year”：“2018”，“journal-title“：”ACL“}”，{”key“：”1016\/j.ins.202.25.113_b0120“，”“article-title：”Usr-mtl：一个具有多任务学习的无监督句子表征学习框架”，“author”：“Xu”，“year”：“2020”，“journal-title”：“Applied Intelligence”}，{“key”：“10.1016\/j.ins.2022.05.113_b0125”，“article-title“：“使用合成n-gram特征的句子嵌入的无监督学习”，“作者”：“Pagliardini”，“年份”：“2018”，“期刊标题“：”NAACL“｝，｛“key”：“10.1016\/j.in.2022.05.113_b0130”，“非结构化”：“R.Socher，E.H.Huang，j.Pennin，C.D.Manning，A.Y.Ng，用于转述检测的动态池化和展开递归自动编码器，在：神经信息处理系统的进展，2011，第801\u2013809页。”｝，｛“key”：“10.1016\/j.in.2022.05.113_b0135”doi-asserted-by“：”crossref“，”unstructured“：”D.Cer，Y.Yang，S.-Y.Kong，N.Hua，N.Limtiaco，R.St.John，N.Constant，M.Guayardo-Cespedes，S.Yuan，C.Tar，B.Strope，R.Kurzweil，英语通用句子编码器，2018。“，”doi“：”10.18653\/v1\/D18-2029“}，{“key”：“10.1016\/j.ins.2022.05.113_b0140”，“article-title”：“可解释神经对话生成的无监督离散句子表示学习”，“作者”：“Zhao”，“年份”：“2018”，“日记标题”：“ACL”}，{“key”：“10.1016\/j.ins.2022.05.113_b0145”，“doi-asserted-by”：“crossref”，“unstructured”：“N.Reimers，I。Gurevych，《句子-伯特：使用暹罗贝特网络的句子嵌入》，arXiv预印本arXiv:1908.10084（2019）。“，”DOI“：”10.18653\/v1\/D19-1410“}，{“key”：“10.1016\/j.ins.2022.05.113_b0150”，“DOI-asserted-by”：“crossref”，“unstructured”：“C.May，A.Wang，S.Bordia，S.R.Bowman，R.Rudinger，《关于测量句子编码器中的社会偏见》，arXiv预印本arXiv:1903.10561（2019）。”，“DOI”：“10.j.ins.2022.05.113_b0155“，”非结构化“：”田凤、高斌、何德华、刘天勇，句子级重复话题模型：让话题为自己说话，arXiv预印本arXiv:1604.02038（2016）。“}，{”issue“：”6“，”key“：”10.1016\/j.ins.2022.05.113_b0160“，”article-title“：”双向反复注意话题模型，ACM-Trans“，”volume“：“14”，”author“：”Li“，“year”：“2020”，”journal-title”：“Knowl.Discov.Data”}“，{“issue”：“4”，”key:“10.1016\/j.ins.2022.05.113_b0165”，“doi-asserted-by”：“crossref”，“first page”：“786”，“doi”：“10.1109\/TKDE.2017.2778720“，“article-title”：“无监督集群匹配的主题模型”，“volume”：“30”，“author”：“岩手”，“year”：“2017”，“journal-title“：”IEEE知识与数据工程学报“}，{“key”：”10.1016\/j.ins.2022.05.113_b0170“，”series-title“：“2020 IEEE网络服务国际会议（ICWS）”，“首页”：“433”，“article-title“：”bi-hptm:一种有效的web服务发现语义匹配模型“，”author“：”Li“，”year“：”2020“}，{“issue”：“2”，“key”：“10.1016\/j.ins.2022.05.113_b0175”，“doi-asserted-by”：“crossref”，“first-page”：“445”，“doi”：“101007\/s11280-022-01004-7”基于双向贝叶斯概率模型的web服务发现混合粒度语义匹配”，“卷”：“25”，“作者”：“李”，“年份”：“2022”，“新闻标题”：“万维网”}，{“密钥”：“10.1016\/j.ins.2022.05.113_b0180”，“doi-asserted-by”：“crossref”，“非结构化”：“P.Gupta，Y.Chaudhary，F.Buettner，H。Sch\u00fctze，Document informed neural autoregressive topic models with distribution prior，in：《AAAI Conference on Artificial Intelligence》第33卷，2019年，第6505\u20136512页。“，”DOI“：”10.1609\/AAAI.v33i01.33016505“}，{“issue”：“2”，“key”：“10.1016\/j.ins.2022.05.113_b0185”，“DOI-asserted-by”：“crossref”，“first page”：”318“，“DOI”：“10.1109\/TPAMI.2017.2677439“，”article-title“：“主题模型的深入展开”，“volume”：“40”，“author”：“Chien”，“year”：“2017”，“journal-title”：“IEEE模式分析和机器智能事务”}，{“key”：”10.1016\/j.ins.2022.05.113_b0190“，”doi-asserted-by“：”crossref“，”unstructured“：”T。霍夫曼，概率潜在语义分析，摘自：《第十五届人工智能不确定性会议论文集》，摩根考夫曼出版社，1999年，第289\u2013296页。“，“DOI”：“10.1145\/312624.312649”}，{“key”：“101016\/j.ins.2022.05.113_b0195”，“非结构化”：“S.Patterson，Y.W。Teh，概率单纯形上的随机梯度黎曼-朗之万动力学，in：神经信息处理系统的进展，2013年，第3102\u20133110页首页“：“611”，“文章标题”：“非监督模型的在线em”，“作者”：“梁”，“年份”：“2009”，“期刊标题”：《ACL》}，{“关键”：“10.1016\/j.ins.2022.05.113_b0210”，“非结构化”：“M.霍夫曼，F.R.巴赫，D.M.布莱，潜在dirichlet分配的在线学习，in：神经信息处理系统的进展，2010，第856\u2013864页”}，}“key“：”10.1016\/j.ins.2022.05.113_b0215“，”unstructured“：”K.Stevens，P.Kegelmeyer，D.Andrzejewski，D.Butter，探索多模型和多主题的主题连贯性，摘自：《2012年自然语言处理和计算自然语言学习实证方法联合会议论文集》，计算语言学协会，2012年，第952\u2013961页。“}，{”key“：”10.1016\/j.ins.2022.05.113_b0220“，”first page“：计算语言学“}，{“key”：“10.1016\/j.in.2022.05.113_b0225”，“doi断言者”：“crossref”，“非结构化”：“M.Yang，T.Cui，W.Tu，排序敏感和语义感知主题建模，in：第二十九届AAAI人工智能会议，2015。”，“doi”：“10.1609\/aai.v29i1.9501”}，{“issue”：“3”，“key”：“10.1016\/j.in.2022.05.113_b0230”，“doi-asserted-by“：”crossref“，”first page“：”475“，”doi“：”10.1007\/s10115-011-0425-1“，“article-title”：“顺序潜在dirichlet分配”，“volume”：“31”，“author”：“Du”，“year”：“2012”，“journal-title“：”Knowledge and information systems“}，{“key”：”10.1016\/j.ins.2022.05.113_b0235“，”首页“：”2708“，”article-title“A neural autoregressive topic model”，“author”：“Larochelle”，“year”：“2012”，“journal-title”：“Advances in neural Information Processing Systems”}，{“key”：“10.1016\/j.ins.2022.05.113_b0240”，“series-title”：《2017 IEEE国际数据挖掘会议（ICDM）》，“首页”：“635”，“article-title“：”Metalda：有效整合元信息的主题模型“，”author“：”Zhao“，”year“：”2017“}，{”key“：”10.1016\/j.ins.2022.05.113_b0245“，”article-title“：”使用辅助预测任务对句子嵌入进行精细分析“，”author“:”Adi“，”year“：“2017”，”journal title“：“ICLR”}]，”container-title”：[“information Sciences”]，“original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0020025522005540？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”http://api.elsevier.com/content\/aarticle\-PII:S020025522005540？httpAccelect=text\/plain“，”content-type“：”text\/plain”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”}]，“已存放”：｛“日期部分”：[[2023,1,20]，“日期时间”：“2023-01-20T10:42:04Z”，“时间戳”：1674211324000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://linkinghub.elsevier.com/retrieve\/pii\/S020025522005540”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛date-parts“：[[2022,8]]}，”references-count“：49，”alternative-id“：[”S0020025522005540“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.ins.2022.05.113“，”relationship“：{}，“ISSN”：[”0020-0255“]，“ISSN-type”：[{“value”：“0020-02555”，“type”:“print”}]，“subject”：【】，“published”：{“date-parts:[”[2022,8]]}，“断言”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由“}，{”value“：”一种使用主题建模的近域上下文增强句子表示学习方法“，”name“：”articletitle“，”label“：”article Title“}”，{“value”：“Information Sciences”，“name”：“journaltitle”，“label”：“Journal Title”}，“value”：“https:\/\/doi.org\/101016\/j.ins.2022.05.113”，“name”：“articlelink”，“label“：”CrossRef DOI link to publisher maintained version“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2022 The Author（s）s.Published by Elsevier Inc.”，“名称”：“版权”，“标签”：“copyright”}]}