基于领域知识的增强约束词向量

• 作者: 任晋 刘通 王恒升
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 增强约束词向量 语义表达 本体知识
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 知识表示与知识获取
• 页码范围: 37-47
• 页数: 11页
• 分类号: TP391
• 字数: 9063字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.04.005

摘要

词向量是一种词语的数字化的表达.基于神经网络模型,利用语料中词语之间的上下文关系这一约束条件,通过大量训练得到词向量.词向量在表达词的语义上的表现给人以无限的希望与想象空间,基于词向量的文本分类、人机对话、智能检索等得到了广泛的研究.该文针对校园信息查询的特定应用,建立了所涉及词语的分类本体,除了利用语料中词语上下文关系外,还将本体知识作为约束条件进行词向量的训练,增强了词向量的语义表达.基于skip-g ram模型,采用多任务的神经网络训练方法,在自己收集的语料上训练得到了针对领域的词向量.实验表明,基于领域知识的增强约束词向量能够更准确地表达词的语义信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任晋	中南大学机电工程学院	5	31	3.0	5.0
2	王恒升	中南大学机电工程学院	52	253	10.0	13.0
6	刘通	中南大学机电工程学院	3	4	1.0	2.0