基于SVM和CRF双层模型的FrameNet框架消歧

摘要：

框架消歧指的是在给定的句子中根据目标词的上下文语境,自动识别出有歧义的目标词所属的框架.针对传统FrameNet框架消歧方法使用单一分类模型时没有考虑到目标词之间的联系而导致隐性特征难以被提取,以及分类结果比较依赖分类模型的性能及参数的设置的问题,提出了一种基于SVM和CRF双层模型的FrameNet框架消歧方法.该方法利用分治思想将框架消歧问题转化为对目标词的分类及序列标注.第一层SVM模型对输入的语料进行粗分类,得到分类标签序列;第二层CRF模型将文本序列和SVM模型的分类标签序列作为输入,将分类标签加入特征模板进一步进行序列标注.实验选取了FrameNet语义知识库中能够激起多个框架的18个词元,2614条例句作为实验数据.实验结果显示,与传统方法相比,基于SVM和CRF的双层模型有较高的准确率,证明了该方法是一种较为适用的FrameNet框架消歧方法.

关键词：FrameNet;框架消歧;支持向量机;条件随机场;双层模型

所属期刊栏目：57

分类号：TP391.1(计算技术、计算机技术)

资助基金：山西省面上自然科学基金;山西省软科学研究计划项目

在线出版日期：2021-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：255-262