基于卷积神经网络与SVM分类器的隐喻识别

摘要：

[目的]针对中英文的隐喻数据集,提出一种基于卷积神经网络与SVM分类器的隐喻识别方法.[方法]将实验数据向量化,结合词性特征和关键词特征作为卷积神经网络的输入,通过卷积层和池化层提取特征,应用SVM进行分类.针对卷积神经网络的池化层中特征采样的不完全性,提出将MaxPooling与MeanPooling组合在一起的改进方法.[结果]相对于直接使用卷积神经网络,利用本文方法进行隐喻识别的准确率在英文动宾语料、英文形容词-名词词组语料和中文隐喻语料分别提高4.12％、0.84％和4.50％.[局限]中文分词不准确,影响词向量模型训练;卷积神经网络的层数过少,影响特征的完整性.[结论]根据中英文数据集上隐喻识别的结果分析,该方法在两个数据集上都取得了良好效果.

关键词：隐喻识别、卷积神经网络、支持向量机、特征提取

所属期刊栏目：2

分类号：TP391(计算技术、计算机技术)

资助基金：教育部人文社会科学研究规划基金项目“融合深度神经网络模型的汉语隐喻计算研究”18YJA740016;教育部人文社会科学研究青年基金项目“基于语义相关性的汉语组块切分模型研究”项目12YJCZH201的研究成果之一

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：77-83