首页|基于融合模型的名词隐喻识别

基于融合模型的名词隐喻识别

扫码查看
原文链接
  • 万方数据
  • 维普
隐喻识别是自然语言处理各前沿领域中所面临的难题.为了解决名词性隐喻中忽视的潜在特征和语义的信息利用不足从而导致隐喻识别效果不高的问题,利用深度学习的优势,该文提出一种特征融合神经网络模型—CB,针对名词性隐喻进行识别.使用卷积神经网络模型—CNN挖掘名词性隐喻句中的潜在特征,预训练表征模型—BERT对词语之间的关系和词的位置信息进行向量化表征,以此有效地学习名词性隐喻句中的语义信息.在隐藏层特征维度上融合两者提取到的信息,最后通过线性分类器进行识别.由于模型本身具有局限性,名词性隐喻句中还蕴含少量抽象的特性,因此无法只依靠模型挖掘所有的特征信息,但针对大部分非抽象名词性隐喻句能够在不耗费人力资源的条件下有较好的识别效果.经过实验对比发现CB模型在准确率上达到0.9047、召回率0.9362、F1值0.9262,其综合指标均高于现有的最优深度学习模型.
Noun Metaphor Recognition Based on Fusion Model

苏魁麟、张凯、吕学强、张乐

展开 >

北京信息科技大学 网络文化与数字传播重点实验室,北京 100101

首都师范大学文学院 中国语言智能研究中心,北京 100048

隐喻识别 名词隐喻 特征融合 语义信息 CNN BERT

国家自然科学基金北京市自然科学基金国家语委科研项目

616710704212020YB135-163

2022

10.3969/j.issn.1673-629X.2022.06.032

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(6)
  • 5