消歧

摘要： 围绕"差一点没VP"句式进行研究,从"差一点"词汇语义辖域跨语言比较的基础性问题出发,在大规模语料中抽取"差一点"相关语料进行归纳,重点探讨了汉英语中该词汇近义场各成员间词义的细微差异,以期为歧义消解、语言教学及机器翻译等领域提供参考。通过替换方式考察认为,以"差一点"为核心,依照词义关联度的逐级递减顺序,存在"差一点≈险些(不希望发生的情况)≈几乎≈差不多"这样的等级序列,而在英语中则首先明确该词汇的不同对译方式,进而对各对译方式的句法语义特点进行区分辨别。

摘要： 由于知识网络与互联网应用的高速发展,RDF(Resource Description Framework,资源描述框架)被广泛应用到关联数据的存储以及知识图谱的创建当中.基于自然语言处理的RDF问答系统是普通用户查询RDF数据的高效方法.在处理自然语言的过程中一般分为用户意图理解和查询验证两个阶段.而现存的研究方法是在用户意图理解阶段使用联合消歧的方式消除歧义,并且在查询验证阶段进行穷举验证,无效语句的运行延长了响应时间.本文基于N-gram模型建立语义概率模型,利用语义概率模型在用户意图理解阶段解决结构歧义与映射歧义的问题,且最终将查询意图转化为top-k个最优的查询语句进行查询并获取结果.通过与现存的方法在真实基准数据集中测试对比,本方法提高了在解决隐式关系问题方面的准确率,并且提升了查询性能.

摘要： 针对目前词向量表示低频词质量差,表示的语义信息容易混淆,以及现有的消歧模型对多义词不能准确区分等问题,提出一种基于词向量融合表示的多特征融合消歧方法.该方法将使用知网(HowNet)义原表示的词向量与Word2vec生成的词向量进行融合来补全词的多义信息以及提高低频词的表示质量.首先计算待消歧实体与候选实体的余弦相似度来获得二者的相似度;其次使用聚类算法和知网知识库来获取实体类别特征相似度;然后利用改进的潜在狄利克雷分布(LDA)主题模型来抽取主题关键词以计算实体主题特征相似度,最后通过加权融合以上三类特征相似度实现多义词词义消歧.在西藏畜牧业领域测试集上进行的实验结果表明,所提方法的准确率(90.1％)比典型的图模型消歧方法提高了7.6个百分点.

摘要： 自然语言处理是近些年来的热门话题,陆俭明先生提出了计算机PP〈被〉+VP1+VP2这类歧义格式的困境,詹卫东先生以此为题做了相应的研究。文章在詹卫东先生对PP〈被〉+VP1+VP2的歧义研究的基础上,做了进行进一步的延伸:一、挖掘带否定标记的VP与PP〈被〉组合所受的具体限制规则。二、对分化为a式和b式以后的进一步消歧及“我被他拦住不让走”问题和“我被砍头吓晕了”问题的思考。三、总结出该格式的消歧流程图。四、提出该格式消歧中仍待解决的问题。文章对上述进行了细化研究,并尝试提出解决方案,以期能对自然语言处理中的歧义句问题尽微薄之力。

摘要： 在偏标记学习问题中,每个样本都有一个对应的候选标签集,而其中只有一个标签是真实的标签,其余标签为伪标签,如何利用标签不确定的数据训练得到稳定的分类模型是偏标记学习的主要研究任务.为了解决偏标记学习领域标签信息未得到充分利用的问题,提出一种改进特征引导消歧的偏标记学习算法.通过最小二乘法计算特征之间的相似程度,利用样本与近邻样本标签的皮尔逊相关系数来确定样本之间的相似程度,并确定一个样本间的综合相似度完成消歧.在分类阶段采用bagging策略来构建分类决策树,实现对数据的分类.在UCI数据集和偏标记数据集上进行实验,并与现有算法进行对比分析得出,PL-FGD算法的分类效果得到了显著提升,表明本算法有较好的性能和表现.

摘要： 偏标记数据消歧是利用偏标记数据进行机器学习的基础.针对偏标记数据中广泛存在的数据不平衡问题,以及现有消歧算法对样本间约束信息利用不足的问题,本文提出一种基于成对约束的偏标记数据消歧算法.首先,基于低秩表示,推导出数据不平衡条件下样本低秩表示系数和样本相似度之间的关系;其次,基于推导结果,分别构建基于样本间正约束和负约束的图模型,通过最小化图模型的能量函数求解偏标记数据的标签.在5个公开数据集上的实验结果表明本文方法相对基准算法在消歧准确率上平均提高了2.9％～14.9％.

摘要： 聚类相关度大的个人微博有助于快速了解博主的专业兴趣和经历,目前的短文本聚类方法缺乏对于语义和句子相关度的充分考虑,提出了一种基于知网的个人微博语义相关度的聚类方法.其要点如下:(1)利用Skip-gram训练大量微博文本生成词汇向量;(2)根据词汇义原进行句内词汇消除歧义;(3)分别计算个人微博之间词汇和句子的相似度并将其综合得到博文相关度;(4)根据博文相关度进行个人微博的聚类.实验表明,相较于层次聚类法、密度聚类法,本文算法的准确度有明显提高.

摘要： 偏标记学习是一类重要的弱监督学习框架,在该框架下,每个训练样本与一组候选标记相关联,在候选标记集合中有且仅有一个是其真实标记.很明显,候选标记数目越多,偏标记学习难度越大.为了减少候选标记数目以降低偏标记学习难度,提出了一种基于三元纠错输出码的偏标记学习算法(PL-TECOC),该算法将偏标记学习问题转换为多个二类学习问题,并对学到的多个二类分类器进行最终集成.在构建二类训练数据时采用编码"0"来忽略相应标记,仅依据非"0"编码标记进行正负类的构造,以达到减少候选标记数目的目的.实验表明,与多个流行的偏标记学习算法相比,PL-TECOC在人工数据集和真实数据集上均取得了较好的分类性能.

摘要： 机器翻译中的消歧任务贯穿于整个翻译过程。该文将英汉机器翻译中的歧义问题归纳为词法歧义、兼类歧义、句法歧义和译文歧义等４种，研究了多层次渐进解峻方式和规则与统计方法相结合的混合消歧策略。该文全面介绍了上述策略在一个实用化英汉机译系统（ＢＴ８６３－Ⅱ）中的实现。

摘要： 文本情感倾向性分析的基础是词汇情感倾向分析，本文针对基于词典的词汇情感倾向性分析方法中对情感词倾向绝对化标注问题，提出了一种获取上下文相关的词汇情感倾向方法。同时针对目前缺少包含上下文相关情感词标注资源的问题，使用最大熵交叉验证和手工校正结合的方法加以构造，并在此基础上构造了上下文相关的特征集合用来预测情感词在上下文中的情感倾向。实验表明，此种方法与基于词典的词语情感倾向性分析方法相比，F值提高了4.9%。

摘要： 本文介绍了一个基于CFG的汉语句法分析器的模型,以及作者通过这个模型的实验提出的在求解一个汉语句子的句法树时用于消歧的最简结构原则.

摘要： 在各种示例中，存在一种信息检索系统，其具有存储项目的索引的存储器，每个项目具有多个特征中的一个或多个特征。对于每个项目，索引包括该项目的特征的指示；并且至少根据特征来配置。存储器存储关于项目的特征的多个问题。信息检索系统具有问题选择器，该问题选择器至少基于关于项目的问题的预期信息增益来选择至少一个问题。搜索组件使用从用户接收的所选择的问题的答案来搜索索引。

摘要： 本申请公开一种消歧方法、消歧模型的训练方法及装置。该方法包括：获取目标文本；获取目标文本的编码；对目标文本的编码进行处理，得到多个分类项分别对应的第一概率；基于掩码张量对多个分类项分别对应的第一概率进行掩码处理，得到多个分类项分别对应的第二概率；多个分类项中目标对象正确读音对应的第二概率大于目标对象正确读音对应的第一概率，多个分类项中目标对象错误读音对应的第二概率小于目标对象错误读音对应的第一概率。通过上述掩码操作，能排除多个分类项中针对目标对象的明显错误读音，缩小目标对象的预测范围，进而提高预测准确率。

摘要： 本发明公开了一种作者姓名消歧方法及作者姓名消歧装置。该方法包括如下步骤：通过预设模型对异构图进行编码，其中，异构图根据论文数据的结构化信息构建；通过层次凝聚聚类算法，将编码后的论文区分开成不同的论文聚类，每个论文聚类的作者实际上不同。本发明将基于XLM‑R预训练语言模型的异构图神经网络X‑Het GNN应用于作者姓名消歧问题，从而提升了异构图神经网络对多语言异构文本的表征能力，提高了论文作者姓名消歧的工作效率。

摘要： 本公开提供一种实体消歧方法、实体消歧装置、存储介质与电子设备，涉及自然语言处理技术领域。该实体消歧方法包括：确定待识别语句对应的目标意图，并获取所述目标意图的第一词典树和第二词典树，所述第一词典树包含槽位信息，所述第二词典树包含冲突句式；利用所述第一词典树确定所述待识别语句中的关键词对应的候选槽位；通过将各所述关键词对应的候选槽位进行组合，得到第一候选句式；响应于所述第一候选句式的数量大于1，利用所述第二词典树对所述第一候选句式进行匹配，以得到第二候选句式；根据所述第二候选句式得到所述待识别语句对应的目标实体。本公开提高了实体消歧的准确性与效率。

摘要： 本发明涉及一种基于深度学习的科技文献作者名消歧方法及web端消歧装置，消歧方法包括：获取待消歧科技文献人名的论文数据集；获取数据特征；使用四层卷积网络提取全局特征向量，同时使用图卷积网络提取局部特征向量；使用LSTM神经网络实现估计聚类簇数k；通过层次聚类实现科技文献作者名消歧。web端消歧装置包括论文数据获取层、信息传输层、消歧逻辑层和数据存储层，论文数据获取层与信息传输层相连，消歧逻辑层和数据存储层分别与信息传输层相连，消歧逻辑层与数据存储层相连。与现有技术相比，本发明具有精度高、可以实现海量文本有效消歧等优点。

摘要： 本申请实施例适用于信息技术领域，提供了一种实体消歧模型的建模方法和实体消歧预测方法，所述实体消歧模型的建模方法包括：获取包含待识别实体的原始文本；根据预先构建的知识图谱和原始文本，生成训练语料，训练语料标注有待识别实体与原始文本之间的匹配信息；采用BERT模型层对训练语料进行训练，得到包括多个向量的输出序列；依次采用第一全连接层和第二全连接层对多个向量中的第一个向量进行处理，得到用于表征待识别实体与原始文本匹配关系的概率值；根据匹配信息和概率值计算模型误差，并通过多次迭代使模型误差小于预设值，以完成实体消歧模型的建模。采用上述方法构建的实体消歧模型进行实体消歧预测，准确率较高。

摘要： 本申请提供一种实体消歧模型训练、实体消歧方法及装置。实体消歧模型训练方法包括：获取包括至少一个样本数据的样本数据集。每个样本数据包括：样本语句、样本语句的至少一个目标样本实体，以及，至少一个目标样本实体对应的样本候选语义实体子集。样本候选语义实体子集中包括每个目标样本实体对应的目标语义实体，以及，每个目标样本实体对应的至少一个非目标语义实体，目标语义实体与非目标语义实体属于同一知识图谱。使用样本数据集对实体消歧模型进行训练，得到训练好的实体消歧模型；训练好的实体消歧模型用于从目标实体对应的多个候选语义实体中获取该目标实体对应的目标语义实体。本申请提高了对目标语句进行语义理解的准确性。

摘要： 本发明公开了一种缩简词的消歧方法和消歧设备。该消歧方法包括：针对待处理文本中的缩简词，查找共现语义知识库中与该缩简词对应的全称实体；在查找到多个全称实体的情况下，针对每一个全称实体，检索待处理文本中出现的、共现语义知识库中与该全称实体存在关联关系的参考实体；基于参考实体与该全称实体之间的共现支持概率TF‑IDF，计算该全称实体的共现概率；基于共现概率，选择多个全称实体之一作为与该缩简词对应的全称实体；其中，所述TF‑IDF等于参考实体与该全称实体的共现次数TF和参考实体与该全称实体的逆向文件频率IDF之积。

摘要： 公开了一种实体多音字消歧方法和实体多音字消歧设备，其中该实体多音字消歧方法包括：实体识别步骤，用于从输入的文本中识别出包括多音字的至少一个实体；以及确定发音步骤，对于所述至少一个实体中的每个实体，将该实体链接到关联开放数据的数据集中的相应实体，并且基于相应实体的其属性值包含发音的至少一个属性和/或与相应实体相关联的发音，确定该实体的发音。根据本公开的实施例，能够从关联开放数据中找出实体的发音，从而能够对实体多音字的发音进行消歧。

摘要： 本发明提供利用多视图表示融合进行专利发明人消歧的方法及系统，方法包括：对专利数据进行预聚类；构建多个局部视图和一个全局视图；利用PatentBERT预训练模型生成文本语义表示向量；利用GAT表征模型并加入生成的节点语义表示向量在所有视图上分别获取对应节点表示向量，该表示向量融合语义信息和结构信息；融合局部视图获取的节点表示向量得到一个局部视图融合向量；接着将局部视图融合向量和全局视图向量借助对比损失进行模型训练，得到节点最终融合向量；利用层次凝聚聚类方法对最终向量进行聚类得到消歧结果。本发明通过在局部视图学习嵌入能够捕获更深层次的局部结构信息，同时结合对比学习的思想，在局部结构信息的基础上捕获全局结构信息。