基于深度学习和词典定义的义原预测方法

论文摘要

义原是人类语言中最小的语义单元,在众多自然语言处理任务中展现出重要的利用价值。人们通过手工标注的方式构建义原知识库,但人工标注耗时耗力,还存在标注一致性问题。义原的自动预测任务越来越受到重视。提出一种利用词典定义进行义原预测的方法,在义原知识库知网HowNet上进行实验,结果显示该方法取得当前最优的效果。另外,通过对结果做定量分析,证明该模型的有效性。

论文目录

• 1 相关工作
• 2 方法
•   2.1 术语和符号
•   2.2 基本的多标签分类方法框架
•   2.3 带注意力的Bi LSTM模型
•   2.4 方法改进
•   2.5 总体模型
• 3 实验
•   3.1 数据集
•   3.2 实验设定
•   3.3 义原预测效果
•   3.4 多义词的义原预测
•   3.5 不同词频下的预测结果
• 4 结论

文章来源

类型: 期刊论文

作者: 张磊,李响,刘媛媛

关键词: 知网,义原,定义,预测,深度学习,神经网络

来源: 信息工程大学学报 2019年05期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 数学工程与先进计算国家重点实验室,清华大学智能技术与系统国家重点实验室,清华大学计算机科学与技术知识工程研究室

基金: 国家自然科学基金资助项目(61661146007,61572273)

分类号: TP391.1;TP18

页码: 604-609

总页数: 6

文件大小: 1666K

下载量: 18