基于詞向量的中文詞匯蘊(yùn)涵知識(shí)獲取研究.pdf

1、文本蘊(yùn)涵關(guān)系識(shí)別是自然語(yǔ)言處理領(lǐng)域的重要研究?jī)?nèi)容之一，相關(guān)技術(shù)在信息檢索、信息抽取、問(wèn)答系統(tǒng)、機(jī)器翻譯、自動(dòng)文摘等方面都有重要應(yīng)用。已有研究表明，詞匯蘊(yùn)涵知識(shí)越豐富，對(duì)文本蘊(yùn)涵關(guān)系識(shí)別的幫助就會(huì)越大，獲取大量的詞匯蘊(yùn)涵規(guī)則知識(shí)，對(duì)于提高文本蘊(yùn)涵識(shí)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(yǔ)料庫(kù)，從中抽取大量的詞匯蘊(yùn)涵規(guī)則，則是提高文本蘊(yùn)涵識(shí)別性能的關(guān)鍵。而在抽取詞匯蘊(yùn)涵規(guī)則時(shí)，經(jīng)常需要判斷給定的兩個(gè)詞之間是否存在蘊(yùn)涵關(guān)系，即進(jìn)

2、行詞匯蘊(yùn)涵關(guān)系的識(shí)別。
　　在詞匯蘊(yùn)涵知識(shí)獲取方面，針對(duì)英文的詞匯蘊(yùn)涵關(guān)系識(shí)別已有了不少研究，提出了許多識(shí)別模型，但是針對(duì)中文的詞匯蘊(yùn)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(yǔ)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(shí)別中文詞匯蘊(yùn)涵的方法：
　　（1）基于詞向量組合特征的詞匯蘊(yùn)涵關(guān)系識(shí)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(yùn)涵關(guān)系特點(diǎn)。通過(guò)訓(xùn)練SVM（Support Vector Machine）分類器對(duì)候選名詞詞匯蘊(yùn)涵關(guān)系對(duì)進(jìn)行分類判斷。
　?。?）基于詞向量語(yǔ)義凝聚度的詞匯蘊(yùn)涵關(guān)系識(shí)別。提出了一種叫“語(yǔ)義凝聚度”的測(cè)量值，該測(cè)量值能很好地反映詞匯之間的蘊(yùn)涵關(guān)系。在計(jì)算出該測(cè)量值后，構(gòu)造與語(yǔ)義凝聚度相關(guān)的各種特征作為識(shí)別詞匯蘊(yùn)涵關(guān)系的分類特征，通過(guò)訓(xùn)練SVM分類模型，對(duì)候選詞匯蘊(yùn)涵關(guān)系進(jìn)行分類判別。
　　實(shí)驗(yàn)結(jié)果表明，