基于卷积神经网络的词义消歧
为了提高词义消歧性能,提出了一种基于卷积神经网络的消歧方法.以歧义词为中心,向左右两侧连续扩展4个邻接词汇单元,选取其中的词形、词性和语义类作为消歧特征.以消歧特征为基础,使用卷积神经网络来确定歧义词的语义类别.利用SemEval-2007:Task#5的训练语料和哈尔滨工业大学语义标注语料来优化卷积神经网络.使用SemEval-2007:Task#5的测试语料来测试词义消歧分类器的性能,所提方法的消歧平均准确率有提高.实验结果表明,该方法在词义消歧中是可行的.
词义消歧、卷积神经网络、消歧特征、语义类别
42
TP391.2(计算技术、计算机技术)
国家自然科学基金项目61502124, 60903082;中国博士后科学基金项目2014M560249;黑龙江省普通高校基本科研业务费专项资金项目LGYC2018JC014;黑龙江省自然科学基金项目F2015041, F201420
2019-08-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
114-119