申请/专利权人：哈尔滨理工大学

申请日：2023-08-14

公开（公告）日：2023-10-24

公开（公告）号：CN116933799A

主分类号：G06F40/30

分类号：G06F40/30;G06F40/279;G06F16/35;G06N3/0442;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.10#实质审查的生效;2023.10.24#公开

摘要：本发明涉及一种基于BiLSTM和GraphSAGE的词义消歧方法。本发明首先对包含歧义词汇的汉语句子进行分词、词性标注、语义类标注和繁体字标注。以包含歧义词的句子及与歧义词汇关联度最大的左右4个词汇单元的词形、词性和语义类作为消歧特征，将消歧特征作为节点构建消歧特征图，使用Word2Vec工具和Doc2Vec工具对特征进行向量化处理作为GraphSAGE模型的输入，利用BERT编码器对词形、词性、语义类和繁体字进行向量化处理作为BiLSTM模型的输入。用训练语料优化BiLSTM+GraphSAGE模型，利用优化后的BiLSTM+GraphSAGE模型对测试语料进行词义消歧，得到歧义词汇在每个语义类别下的概率分布序列。具有最大概率的语义类别即为歧义词汇的语义类别。本发明具有较好的词义消歧效果，能更准确地判断歧义词汇的真实含义。

主权项：1.基于BiLSTM和GraphSAGE的词义消歧方法，其特征在于，该方法包括以下步骤：步骤1：对SemEval-2007:Task#5语料所包含的所有汉语句子进行分词、词性标注、语义类标注和繁体字标注，通过Word2Vec工具将词转换为词向量并计算歧义词与其它词之间的关联度，选取句子中与歧义词汇关联度最大的左右4个词汇单元的词形、词性、语义类和繁体字及包含歧义词汇的句子作为消歧特征。步骤2：使用Doc2Vec工具对提取的句子进行向量化处理，使用Word2Vec工具将词形、词性和语义类进行向量化处理，将处理后的SemEval-2007:Task#5中的训练语料作为GraphSAGE的训练数据，将处理后的SemEval-2007:Task#5中的测试语料作为GraphSAGE的测试数据，利用BERT编码器对词形、词性、语义类和繁体字进行向量化处理，将处理后的SemEval-2007:Task#5中的训练语料和测试语料分别作为BiLSTM的训练数据和测试数据。步骤3：将提取的句子及与歧义词汇关联度最大的左右4个词汇单元的词形、词性和语义类作为图节点，构建GraphSAGE的消歧特征图。步骤4：训练阶段，利用训练数据构建的消歧特征图来优化GraphSAGE模型，使用训练数据来优化BiLSTM模型。步骤5：测试阶段为语义分类过程，将测试数据构建的消歧特征图输入到优化后的GraphSAGE模型中，将测试数据输入到优化后的BiLSTM模型中，对两个模型的输出结果进行拼接，计算歧义词汇在每个语义类别下的概率分布，具有最大概率的语义类别即为歧义词汇的语义类别。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 基于BiLSTM和GraphSAGE的词义消歧方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD