基于词嵌入融合和循环神经网络的中英文隐喻识别

摘要：

[目的]针对自然语言中普遍存在的隐喻现象,提出一种基于词向量融合和循环神经网络(RNN)的中英文隐喻识别方法.[方法]通过本文提出的词嵌入融合算法将文本映射到词向量空间作为神经网络的输入,以RNN作为编码器,注意力机制和池化技术作为特征提取器,最后利用Softmax计算文本为隐喻的概率.[结果]基于词嵌入融合的隐喻识别方法的准确率和F1值比基于普通词嵌入的方法在英文隐喻识别任务上可以提高11.8％和6.3％,在中文隐喻识别任务上可以提高8.9％和7.8％.[局限]由于长距离依存问题,本文方法在句式复杂的长文本上隐喻识别效果不稳定.[结论]基于词嵌入融合和RNN的模型在隐喻识别问题上表现非常好,说明词嵌入融合可以提高神经网络对隐喻的识别能力.

关键词：隐喻识别、深度学习、词嵌入、循环神经网络

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：本文系教育部人文社会科学研究规划基金项目“融合深度神经网络模型的汉语隐喻计算研究”;国家社会科学基金重大规划项目“汉语隐喻的逻辑表征与认知计算”

在线出版日期：2020-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：91-99