一种基于图卷积神经网络的中文词义消歧方法

摘要

本发明涉及一种基于图卷积神经网络(Graph Convolution Network，GCN)的中文词义消歧方法。本发明首先对汉语语料进行预处理。该步骤对训练和测试语料包含歧义词的语句进行分词、词性标注和语义标注处理。以歧义词所在的句子，以及句中所包含的词形、词性和语义作为消歧特征并作为节点来构建词义消歧特征图，使用Word2Vec、Doc2Vec工具和点互信息(PMI)、TF‑IDF方法对节点和边进行嵌入权值。用训练语料训练GCN模型，将模型优化。用优化后的GCN模型，对测试语料进行词义消歧，可得到歧义词汇在各个语义类别下的概率分布。将概率最大值对应的语义类判别为歧义词汇的语义类。本发明具有较好的词义消歧效果，更准确的判断歧义词汇的真实含义。