基于Transformer和BERT的名词隐喻识别

摘要：

[目的]解决名词隐喻识别研究中语义信息利用不足和关系表征的问题,提高识别效果.[方法]使用BERT模型替代词向量,在语义表示中同时包含词与词之间的位置关系等信息,利用Transformer模型进行特征提取并通过神经网络分类器进行识别.[结果]本文模型在准确率(0.900 0)、精确率(0.896 4)、召回率(0.885 8)和F1值(0.891 0)4个指标上均表现最好,可以注意到多个关键点信息,提高名词隐喻的分类效果.[局限]对于中文文本中的冷僻词汇、成语古语以及干扰词汇等的判断比较困难.[结论]本文所提隐喻识别方法优于现有基于人工特征的分类模型及主流深度学习模型.

关键词：隐喻识别、名词隐喻、语义理解、Transformer模型、BERT模型

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基金项目“基于机器学习的情感隐喻识别研究”;国家自然科学基金项目“基于语义资源和深度学习的情感隐喻识别方法研究”;国家自然科学基金重点项目“社交媒体中文本情感语义计算理论和方法”

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：100-108