基于语言模型的有监督词义消歧模型优化研究

摘要：

词义消歧是自然语言领域中重要的研究课题之一.目前,有监督词义消歧方法已经是解决该问题的有效手段.但是,由于缺乏大规模的训练语料,有监督方法还不能取得满意的效果.该文提出一种基于语言模型的词义消歧优化模型,该模型采用语言模型优化传统的有监督消歧模型,充分利用有监督和语言模型两种模型的消歧优势,共同推导歧义词的词义.该模型可以在训练语料不足的情况下,有效的提高词义消歧效果.在真实数据上表明,该方法的消歧性能超过了参加SemEval-2007:task#5评测任务的最好的有监督词义消歧系统.

关键词：数据稀疏、模型优化、有监督模型、语言模型、参数估计

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61132009;北京理工大学科技创新计划重大项目培育专项计划基金;国防基础基金

在线出版日期：2014-04-23（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：19-25