基于Transformer和图卷积神经网络的隐喻识别.docx

基于Transformer和图卷积神经网络的隐喻识别 本文介绍了基于Transformer和图卷积神经网络的隐喻识别模型，该模型可以有效识别单词隐喻和多个词语共同引发的隐喻表达。隐喻是自然语言中的一种非字面意义的表达方式，它可以帮助人们建立对这个世界的理解。隐喻识别是一项非常有挑战性的任务，因为句子中词语的隐喻表达和非隐喻表达之间的语义差异往往是微妙的。 本文提出的模型利用Transformer结构提取句子的全局上下文信息和局部上下文信息，并使用多头注意力聚合这两种上下文语义信息。同时，模型利用依存句法树构建依存信息图，通过图卷积神经网络学习词与词之间的依赖关系获取词的句法信息表示，提取潜在隐喻特征信息。模型融合目标词的上下文语义表示和句法信息表示通过分类层判断目标词是隐喻表达还是非隐喻表达。 隐喻识别是一项非常有挑战性的任务，早期的研究大多数都聚焦于目标词和其周围的词语，希望通过其周围的词语来判断目标词是否为隐喻表达。但是，这种方法忽略了句子中词与词之间的依赖关系，无法很好地识别由多个词语共同引发的隐喻表达。最近的研究表明，隐喻的产生和理解受到情景信息和更广泛的话语属性的影响。 本文的主要工作是基于第一类任务展开的，即预测给定的单词或短语是否是隐喻表达。本文的模型可以解决多个词语共同引发的隐喻表达问题，并且可以有效识别单词隐喻。 在自然语言处理领域，隐喻识别任务引起了学者广泛的研究兴趣。隐喻识别任务可以大致分为两类：第一类涉及预测给定的单词或短语是否是隐喻表达，第二类可以表述为预测句子是否含有隐喻用法的句子分类任务。本文的主要工作是基于第一类任务展开的。 早期，隐喻识别任务采用基于规则或知识库的方法。但是，这种方法存在一定的限制，例如，对于一些结构简单的句子很容易通过具体的规则提取出句子中的隐喻信息，但对于一些具有复杂句法结构的句子，这种方法就会发现困难。随着神经网络研究的兴起，基于深度学习的隐喻识别得到广泛的探索。 词语在句子中的上下文语境对于隐喻识别起着重要作用，利用深度神经网络学习句子中词语上下文语境的相关信息，可以解决隐喻识别问题。为解决隐喻识别问题，本文提出的模型可以有效地识别单词隐喻和多个词语共同引发的隐喻表达。