论文摘要
词义消歧是一项具有挑战性的自然语言处理难题。作为词义消歧中的一种优秀的半监督消歧算法,遗传蚁群词义消歧算法能快速进行全文词义消歧。该算法采用了一种局部上下文的图模型来表示语义关系,以此进行词义消歧。然而,在消歧过程中却丢失了全局语义信息,出现了消歧结果冲突的问题,导致算法精度降低。因此,提出了一种基于全局领域和短期记忆因子改进的图模型来表示语义以解决这个问题。该图模型引入了全局领域信息,增强了图对全局语义信息的处理能力。同时根据人的短期记忆原理,在模型中引入了短期记忆因子,增强了语义间的线性关系,避免了消歧结果冲突对词义消歧的影响。大量实验结果表明:与经典词义消歧算法相比,所提的改进图模型提高了词义消歧的精度。
论文目录
文章来源
类型: 期刊论文
作者: 邵玉涵,李培培,胡学钢
关键词: 词义消歧,半监督消歧方法,短期记忆模型,全局领域信息
来源: 计算机工程与科学 2019年10期
年度: 2019
分类: 信息科技,基础科学
专业: 数学,计算机软件及计算机应用
单位: 合肥工业大学计算机与信息学院
基金: 国家自然科学基金(61673152)
分类号: TP391.1;O157.5
页码: 1829-1836
总页数: 8
文件大小: 782K
下载量: 28
相关论文文献
- [1].基于词向量的无监督词义消歧方法[J]. 软件导刊 2018(09)
- [2].基于统计语言模型的无导词义消歧[J]. 电脑知识与技术 2015(01)
- [3].基于语义规则的词义消歧方法的研究[J]. 数码世界 2017(03)
- [4].一种半监督的汉语词义消歧方法[J]. 西南交通大学学报 2019(02)
- [5].融合多种词义消歧结果的汉英机器翻译[J]. 电子技术与软件工程 2015(23)
- [6].基于词语距离的网络图词义消歧[J]. 软件学报 2012(04)
- [7].基于最大熵模型的汉语词义消歧与标注方法[J]. 计算机工程 2009(18)
- [8].基于多知识源的汉语词义消歧方法[J]. 汉语学报 2008(02)
- [9].一种基于多义词向量表示的词义消歧方法[J]. 智能计算机与应用 2018(04)
- [10].基于异构关系网络图的词义消歧研究[J]. 计算机研究与发展 2013(02)
- [11].基于特征选择和最大熵模型的汉语词义消歧[J]. 软件学报 2010(06)
- [12].基于卷积神经网络的词义消歧[J]. 北京邮电大学学报 2019(03)
- [13].基于语言模型的有监督词义消歧模型优化研究[J]. 中文信息学报 2014(01)
- [14].基于神经网络的词义消歧[J]. 软件 2019(02)
- [15].汉语复句中基于依存关系与最大熵模型的词义消歧方法研究[J]. 计算机与数字工程 2018(01)
- [16].基于词义消歧的卷积神经网络文本分类模型[J]. 计算机应用研究 2018(10)
- [17].基于HowNet的图模型词义消歧方法[J]. 齐鲁工业大学学报 2018(06)
- [18].采用Seq2Seq模型的非受限词义消歧方法[J]. 西北大学学报(自然科学版) 2019(03)
- [19].基于多层次句子相似度与向量空间模型的词义消歧[J]. 北京工商大学学报(自然科学版) 2009(02)
- [20].基于动态规划的简单语义单元词义消歧[J]. 计算机工程与设计 2014(04)
- [21].基于词义消歧的短文本情感分类方法研究[J]. 现代计算机(专业版) 2018(20)
- [22].词义消歧技术研究[J]. 科技展望 2015(08)
- [23].基于LDA主题模型的维吾尔语无监督词义消歧[J]. 厦门大学学报(自然科学版) 2020(02)
- [24].基于知识图谱词义消歧的文本聚类方法[J]. 华北理工大学学报(自然科学版) 2019(04)
- [25].引入词性标记的基于语境相似度的词义消歧[J]. 中文信息学报 2018(08)
- [26].面向统计词义消歧的核选择研究进展[J]. 赣南师范学院学报 2015(06)
- [27].贝叶斯模型在词义消歧中的应用[J]. 计算机时代 2009(07)
- [28].基于VCK-vector模型的词义消歧方法[J]. 软件 2020(02)
- [29].基于信息增益改进贝叶斯模型的汉语词义消歧[J]. 电子与信息学报 2008(12)
- [30].中文词义消歧的方法研究[J]. 科技信息 2010(09)