基于知网相关概念场的中文词向量

• 作者: 冯煜博 宋彦 蔡东风
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 词向量 知网相关概念场 低频词 神经网络语言模型
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 语言分析与计算
• 页码范围: 13-22
• 页数: 10页
• 分类号: TP391
• 字数: 6576字
• 语种: 中文

摘要

词向量是词的低维稠密实数向量表示,在自然语言处理的各项任务中都扮演了重要角色.目前词向量大多都是通过构造神经网络模型,在大规模语料库上以无监督学习的方式训练得到,这样的模型存在着两个问题:一是低频词词向量的语义表示质量较差;二是忽视了知识库可以对该模型提供的帮助.该文提出了利用知网相关概念场来提升词向量语义表示质量的模型.实验结果表明,在词语相似度任务、词语相关度任务和词语类比任务上,该模型使得斯皮尔曼相关性系数和准确率都得到了显著的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡东风	沈阳航空航天大学人机智能研究中心	105	916	14.0	27.0
2	冯煜博	沈阳航空航天大学人机智能研究中心	1	0	0.0	0.0