基于Transformer和图卷积神经网络的隐喻识别

摘要：

[目的]提出一种基于图卷积神经网络和Transformer的隐喻识别模型,既能有效识别单词隐喻,又能解决多个词语共同引发的隐喻表达.[方法]利用图卷积神经网络提取句法依存树中的句法结构信息,联合从Transformer结构学习的深层语义表示,通过SoftMax计算目标词隐喻表达的概率.[结果]在英文数据集UVA VERB 和 UVAALLPOS 上 F1 值分别提高 1.9％和 1.7％,TOEFL VERB 和 TOEFL ALLPOS 上 F1 值分别提高1.1％和1.9％;在中文数据集CCL上F1值提高1.2％.[局限]如果句子中存在歧义或者指代信息不明确的现象,则不能有效识别句子中的隐喻现象.[结论]图卷积神经网络和句法依存树的引入确实能在一定程度上丰富目标词语义信息,提高单词和多词隐喻的识别效果.

关键词：隐喻识别、图卷积神经网络、依存分析、Transformer

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：教育部人文社会科学研究项目;国家社会科学基金

在线出版日期：2022-07-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：120-129