基于语义信息的名词短语指代消歧研究

发布时间：2023-12-11 19:31

　　人工智能迅速发展,自然语言处理在人工智能领域有着举足轻重的地位。实现人机之间使用自然语言无障碍交流,必然涉及到指代消歧的问题,要使计算机正确的理解自然语言,前提是理解自然语言中的指代信息。自然语言往往为了各种目的,大量使用指代,使得计算机理解自然语言变得较为困难,其中的难点就是不能准确的识别名词短语之间的指代关系。研究了语义信息在维吾尔语名词短语指代消歧中的作用,从典型的词向量里携带的大量语义信息,到语义类别,以及语义关系的提取。采用了深度学习的方法,构建深度学习网络,提取维吾尔语中的语义信息,结合词向量的语义信息完成维吾尔语名词短语的指代消歧研究。本文主要工作如下:1)基于语言的空间特征和时间特征,构建了CNN_BiLSTM双通道的维吾尔语名词短语指代消歧模型。利用卷积神经网络(Convolutional Neural Networks,CNN)提取文本的空间特征,双向长短时记忆网络(Bi-directional long short term memory,Bi-LSTM)提取文本的时间特征。两种特征的组合,从两个通道上提取了词向量的语义信息,挖掘了语言中更深层...

【文章页数】：44 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
    1.4 论文的组织结构
第二章 双通道的名词短语指代消歧
    2.1 本章主要研究内容
    2.2 双通道的指代消歧框架
    2.3 语料预处理
        2.3.1 Hand-crafted特征的提取
        2.3.2 语料预处理
    2.4 实验结果与分析
        2.4.1 双通道模型在指代消歧中的有效性验证
        2.4.2 加入Hand-crafted特征对实验的影响
        2.4.3 词向量维度对实验的影响
        2.4.4 卷积核大小对实验的影响
    2.5 本章小结
第三章 基于语义信息的名词短语指代消歧
    3.1 任务概述
    3.2 任务概念化
        3.2.1 指代链概念化
        3.2.2 机器语义信息概念化
        3.2.3 构建测试训练实例
    3.3 基于机器语义信息的名词短语指代消歧流程
    3.4 实验结果与分析
        3.4.1 机器语义信息有效性的验证
        3.4.2 卷积次数对实验的影响
        3.4.3 卷积核个数对实验的影响
    3.5 本章小结
第四章 基于语义依存分析的名词短语指代消歧
    4.1 语义依存关系介绍
    4.2 本章主要研究内容
    4.3 构建训练与测试实例
    4.4 基于语义依存的维吾尔语名词短语指代消歧模型
    4.5 实验结果与分析
        4.5.1 实验设计
        4.5.2 手工语义依存关系对实验的影响
        4.5.3 机器语义依存关系对实验的影响
        4.5.4 分段最大池化对指代消歧的影响
    4.6 本章小结
第五章 总结与展望
参考文献
作者攻读硕士期间的研究成果
致谢



本文编号：3873227