计算机应用研究

作者：侯运瑶,曹学飞,崔军,王瑞波,李济洪,李茹,

单位：1.山西大学a.计算机与信息技术学院;b.软件学院;c.现代教育技术学院,太原030006；2.山西大学计算智能与中文信息处理教育部重点实验室,太原030006；3.山西省大数据挖掘与智能技术协同创新中心,太原030006；

关键词：框架排歧,框架表示,表示学习,汉语框架语义知识库,

基金：国家自然科学基金青年基金项目(61806115)；国家自然科学基金项目(61772324)；；

为了改善框架排歧模型的性能，区别于传统分类算法人工提取特征的做法，直接从语料中的例句出发，使用神经网络模型给出了一种框架表示学习的算法，并将学习到的框架表示向量用于框架排歧任务，显著提升了框架排歧的性能。该算法充分利用CFN中例句库、词元库，基于hinge-loss的神经网络，学习到能最大区别正确框架与错误框架的框架表示向量。此外，还使用WSABIE算法学习到目标词及其上下文的表示向量，排歧时以上下文表示向量与框架表示向量做余弦夹角来判决。在CFN中88个有歧义的词元上进行3组2折交叉验证（3×2 BCV）实验，框架排歧精度最好达到72.52%，t-检验结果表明该方法性能显著高于其他框架排歧方法。

来源：2020年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第12期