摘 要: | 传统的年龄回归方法不能学习深层次信息,因此利用能充分挖掘上下文关系信息的深度学习方法来识别用户的年龄。具体而言,提出了一种基于 LSTM 的年龄回归方法,其能够学习长期依赖关系即建立输入值之间的长相关联系。采用了两种不同的特征,即文本特征和社交特征。为了有效地区分这两种特征,充分利用这两种特征之间的信息,进一步提出了基于双通道 LSTM 的年龄回归方法,具体实现是在神经网络中加入 Merge层,将 LSTM分别产生的文本特征表示和社交特征表示结合进行集成学习以充分学习文本特征和社交特征间的联系。实验结果表明,基于双通道 LSTM 的年龄回归方法能够有效地区分文本特征和社交特征,并且较单个 LSTM 方法能够取得更好的年龄回归性能。
|