基于模糊机制和语义密度聚类的汉语自动语义角色标注研究

• 作者: 朱鹏飞 王旭阳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: SRL 模糊机制 语义密度聚类 神经网络 词向量 CRF Dropout
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数据工程
• 页码范围: 76-82,92
• 页数: 8页
• 分类号: TP391.1
• 字数: 7270字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.09.014

摘要

基于CPB(Chinese Proposition Bank)提出一种基于LSTM-Bi-LSTM的汉语自动语义角色标注方法,并提出语义密度聚类进行数据预处理以及"模糊"机制利用于词向量转换过程.语义密度聚类通过密度的概念对谓词进行全局统一的聚类,将稀疏谓词替换为其所属聚类集合中的常见谓词;利用语义距离概念,将"模糊"机制引入词向量的转换过程,能适当地减少词向量的语义性,并提升与谓词词向量的相关性.利用Bi-LSTM网络自动学习特征表达,然后利用CRF和IOBES标注策略转化为词序列标注问题,引进一种词性学习方法;利用LSTM网络学习生成的词性特征向量与"模糊化"后的词向量融合后一同作为模型的输入向量;训练过程中采用了小批量梯度下降算法和Dropout正则化,这既加快了训练速度,又易于得到全局最优解,还防止了参数过拟合情况的出现.多组对比实验表明,该方法标注结果的F值最高达到了81.24％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王旭阳	兰州理工大学计算机与通信学院	29	123	7.0	9.0
2	朱鹏飞	兰州理工大学计算机与通信学院	2	0	0.0	0.0