文献类型：期刊文章

作　　者：侯运瑶[1] 曹学飞[2] 崔军[1] 王瑞波[3] 李济洪[2] 李茹[1,4,5]

Hou Yunyao;Cao Xuefei;Cui Jun;Wang Ruibo;Li Jihong;Li Ru(School of Computer&Information Technology,Shanxi University,Taiyuan 030006,China;School of software,Shanxi University,Taiyuan 030006,China;School of Modern Educational Technology,Shanxi University,Taiyuan 030006,China;Key Laboratory of Computer Intelligence&Chinese Information Processing of Ministry of Education,Shanxi University,Taiyuan 030006,China;Collaborative Innovation Center of Big Data Mining&Intelligent Technology in Shanxi,Taiyuan 030006,China)

机构地区：[1]山西大学计算机与信息技术学院,太原030006 [2]山西大学软件学院,太原030006 [3]山西大学现代教育技术学院,太原030006 [4]山西大学计算智能与中文信息处理教育部重点实验室,太原030006 [5]山西省大数据挖掘与智能技术协同创新中心,太原030006

出　　处：《计算机应用研究》

基　　金：国家自然科学基金青年基金项目(61806115);国家自然科学基金项目(61772324)。

年　　份：2020

卷　　号：37

期　　号：12

起止页码：3640-3644

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：为了改善框架排歧模型的性能,区别于传统分类算法人工提取特征的做法,直接从语料中的例句出发,使用神经网络模型给出了一种框架表示学习的算法,并将学习到的框架表示向量用于框架排歧任务,显著提升了框架排歧的性能。该算法充分利用CFN中例句库、词元库,基于hinge-loss的神经网络,学习到能最大区别正确框架与错误框架的框架表示向量。此外,还使用WSABIE算法学习到目标词及其上下文的表示向量,排歧时以上下文表示向量与框架表示向量做余弦夹角来判决。在CFN中88个有歧义的词元上进行3组2折交叉验证(3×2 BCV)实验,框架排歧精度最好达到72.52%,t-检验结果表明该方法性能显著高于其他框架排歧方法。

关 键 词：框架排歧  框架表示  表示学习  汉语框架语义知识库  

分 类 号：TP391]