基于機(jī)器學(xué)習(xí)算法的隱喻識別研究.pdf

1、隱喻是自然語言處理領(lǐng)域最棘手的問題之一,這個問題逐漸引起了學(xué)者們的關(guān)注,并且隱喻在思維及語言中所處的中心地位也逐漸為自然語言處理研究者所認(rèn)同。隱喻是通過一個事物來表達(dá)另外一個事物,它不僅是一種修辭手段,而且體現(xiàn)著人的一種類比認(rèn)知和思維方式。實(shí)際上,隱喻現(xiàn)象是一切自然語言中普遍存在的現(xiàn)象,是自然語言處理不可回避的問題,因此隱喻問題若得不到很好的解決,將成為制約自然語言處理和機(jī)器翻譯發(fā)展的瓶頸。近幾年來,在隱喻識別方面,機(jī)器學(xué)習(xí)方法和大規(guī)模

2、知識獲取成了新的亮點(diǎn)。本文選擇漢語文本中的隱喻計算問題作為研究對象,以隱喻識別為研究內(nèi)容,從名詞性隱喻和動詞性隱喻這兩種最主要的隱喻類型入手,采用多種機(jī)器學(xué)習(xí)算法,廣泛地探討了隱喻的識別方法。
　　 本文選擇了20個常用的隱喻詞語,使用2001年-2004年的《人民日報》語料進(jìn)行隱喻識別研究,主要研究內(nèi)容如下：基于有監(jiān)督學(xué)習(xí)的隱喻識別。針對名詞性隱喻和動詞性隱喻這兩類主要的隱喻類型,提出了基于RFR_SUM模型、SVM算法、CR

3、F模型、最大熵模型和語義相似度計算模型的隱喻識別方法。分類方法為識別隱喻提供了一個機(jī)器識別的思路,考察了主流的分類方法在識別隱喻時的性能和效果。其中,RFR_SUM模型識別性能比較穩(wěn)定,名詞性和動詞性隱喻的正確率的穩(wěn)定性保持地最好。另外,CRF模型的識別正確率比SVM算法的略高,但是效果最好的是語義相似度計算模型。這個模型在采用K近鄰分類算法的基礎(chǔ)上,融入了語義相似度計算,使它的隱喻識別性能得到提高,是五個模型中隱喻識別正確率最高的。此

4、外,對五個模型的實(shí)驗(yàn)結(jié)果進(jìn)行了基于投票的集成實(shí)驗(yàn)。使隱喻識別正確率得到提升,名詞性隱喻正確率達(dá)到87.74％,動詞性隱喻正確率達(dá)到85.27％?；诰垲愃惴ǖ碾[喻識別。在聚類過程中,樣本間的相似度使用了基于同義詞詞林的向量空間相似度計算和基于知網(wǎng)的語義相似度計算兩種方法,采用K-means算法原理,并對K-means算法的隨機(jī)選擇初始聚類中心的方法進(jìn)行了優(yōu)化。聚類實(shí)驗(yàn)設(shè)計了三個方案來提升隱喻識別結(jié)果的正確率,其中方案二不僅利用了近距離搭

5、配信息,也考慮了遠(yuǎn)距離的特征信息,使實(shí)驗(yàn)結(jié)果得到提高?；诎氡O(jiān)督算法的隱喻識別。探討了利用K-means算法和RFR_SUM模型對隱喻識別進(jìn)行半監(jiān)督學(xué)習(xí)的方法,該算法是在分類實(shí)驗(yàn)和聚類實(shí)驗(yàn)的基礎(chǔ)之上實(shí)現(xiàn)的。不僅利用了已標(biāo)記樣本的信息量,而且運(yùn)用了未標(biāo)記樣本提供的信息,提高了隱喻識別的正確率。最后,構(gòu)建了用于隱喻計算的小型隱喻知識庫。在隱喻研究的實(shí)驗(yàn)結(jié)果基礎(chǔ)上,利用算法抽取隱喻類的特征詞,并把特征詞依據(jù)對應(yīng)的RFR值進(jìn)行排序,建立基于隱喻