基于卷积神经网络与SVM分类器的隐喻识别

摘要

【目的】针对中英文的隐喻数据集,提出一种基于卷积神经网络与SVM分类器的隐喻识别方法。【方法】将实验数据向量化,结合词性特征和关键词特征作为卷积神经网络的输入,通过卷积层和池化层提取特征,应用SVM进行分类。针对卷积神经网络的池化层中特征采样的不完全性,提出将MaxPooling与Mean Pooling组合在一起的改进方法。【结果】相对于直接使用卷积神经网络,利用本文方法进行隐喻识别的准确率在英文动宾语料、英文形容词–名词词组语料和中文隐喻语料分别提高4.12%、0.84%和4.50%。【局限】中文分词不准确,影响词向量模型训练;卷积神经网络的层数过少,影响特征的完整性。【结论】根据中英文数据集上隐喻识别的结果分析,该方法在两个数据集上都取得了良好效果。