基于詞向量的中文詞匯蘊涵知識獲取研究.pdf

1、文本蘊涵關(guān)系識別是自然語言處理領(lǐng)域的重要研究內(nèi)容之一，相關(guān)技術(shù)在信息檢索、信息抽取、問答系統(tǒng)、機器翻譯、自動文摘等方面都有重要應(yīng)用。已有研究表明，詞匯蘊涵知識越豐富，對文本蘊涵關(guān)系識別的幫助就會越大，獲取大量的詞匯蘊涵規(guī)則知識，對于提高文本蘊涵識別性能及其相關(guān)應(yīng)用具有重要意義。因此，借助大規(guī)模文本語料庫，從中抽取大量的詞匯蘊涵規(guī)則，則是提高文本蘊涵識別性能的關(guān)鍵。而在抽取詞匯蘊涵規(guī)則時，經(jīng)常需要判斷給定的兩個詞之間是否存在蘊涵關(guān)系，即進

2、行詞匯蘊涵關(guān)系的識別。
　　在詞匯蘊涵知識獲取方面，針對英文的詞匯蘊涵關(guān)系識別已有了不少研究，提出了許多識別模型，但是針對中文的詞匯蘊涵關(guān)系獲取則鮮有研究。本文利用流行的詞向量技術(shù)，首先在中文維基百科語料上訓(xùn)練得到詞匯的詞向量表示，在此基礎(chǔ)上提出了兩種不同的識別中文詞匯蘊涵的方法：
　?。?）基于詞向量組合特征的詞匯蘊涵關(guān)系識別。首先構(gòu)造各種有效的詞向量組合特征，包括詞向量之間的和特征、差特征、乘積特征、連接特征、以及組合特

3、征等，以體現(xiàn)不同的詞匯蘊涵關(guān)系特點。通過訓(xùn)練SVM（Support Vector Machine）分類器對候選名詞詞匯蘊涵關(guān)系對進行分類判斷。
　?。?）基于詞向量語義凝聚度的詞匯蘊涵關(guān)系識別。提出了一種叫“語義凝聚度”的測量值，該測量值能很好地反映詞匯之間的蘊涵關(guān)系。在計算出該測量值后，構(gòu)造與語義凝聚度相關(guān)的各種特征作為識別詞匯蘊涵關(guān)系的分類特征，通過訓(xùn)練SVM分類模型，對候選詞匯蘊涵關(guān)系進行分類判別。
　　實驗結(jié)果表明，