半监督卷积神经网络的词义消歧

摘要：

为了解决有标签语料获取困难的问题,提出了一种半监督学习的卷积神经网络(convolutional?neural networks,?CNN)汉语词义消歧方法.?首先,提取歧义词左右各2个词汇单元的词形、词性和语义类作为消歧特征,利用词向量工具将消歧特征向量化;然后,对有标签语料进行预处理,获取初始化聚类中心和阈值,同时,使用有标签语料对卷积神经网络消歧模型进行训练,利用优化后的卷积神经网络对无标签语料进行语义分类,选取满足阈值条件的高置信度语料添加到训练语料之中,不断重复上述过程,直到训练语料不再扩大为止;最后,使用SemEval-2007:Task#5作为有标签语料,使用哈尔滨工业大学无标注语料作为无标签语料进行实验.?实验结果表明:所提出方法使CNN的消歧准确率提高了3.1％.

关键词：半监督学习;卷积神经网络;词义消歧;消歧特征;词向量工具

所属期刊栏目：57

分类号：TP391.2(计算技术、计算机技术)

资助基金：国家自然科学基金;中国博士后科学基金;黑龙江省自然科学基金;黑龙江省普通高校基本科研业务费专项

在线出版日期：2022-02-24（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：11-17,27