人工智能迅速發(fā)展,自然語言處理在人工智能領(lǐng)域有著舉足輕重的地位。實現(xiàn)人機之間使用自然語言無障礙交流,必然涉及到指代消歧的問題,要使計算機正確的理解自然語言,前提是理解自然語言中的指代信息。自然語言往往為了各種目的,大量使用指代,使得計算機理解自然語言變得較為困難,其中的難點就是不能準(zhǔn)確的識別名詞短語之間的指代關(guān)系。研究了語義信息在維吾爾語名詞短語指代消歧中的作用,從典型的詞向量里攜帶的大量語義信息,到語義類別,以及語義關(guān)系的提取。采用了深度學(xué)習(xí)的方法,構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò),提取維吾爾語中的語義信息,結(jié)合詞向量的語義信息完成維吾爾語名詞短語的指代消歧研究。本文主要工作如下:1)基于語言的空間特征和時間特征,構(gòu)建了CNN_BiLSTM雙通道的維吾爾語名詞短語指代消歧模型。利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)提取文本的空間特征,雙向長短時記憶網(wǎng)絡(luò)(Bi-directional long short term memory,Bi-LSTM)提取文本的時間特征。兩種特征的組合,從兩個通道上提取了詞向量的語義信息,挖掘了語言中更深層...

【文章頁數(shù)】：44 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 雙通道的名詞短語指代消歧
    2.1 本章主要研究內(nèi)容
    2.2 雙通道的指代消歧框架
    2.3 語料預(yù)處理
        2.3.1 Hand-crafted特征的提取
        2.3.2 語料預(yù)處理
    2.4 實驗結(jié)果與分析
        2.4.1 雙通道模型在指代消歧中的有效性驗證
        2.4.2 加入Hand-crafted特征對實驗的影響
        2.4.3 詞向量維度對實驗的影響
        2.4.4 卷積核大小對實驗的影響
    2.5 本章小結(jié)
第三章 基于語義信息的名詞短語指代消歧
    3.1 任務(wù)概述
    3.2 任務(wù)概念化
        3.2.1 指代鏈概念化
        3.2.2 機器語義信息概念化
        3.2.3 構(gòu)建測試訓(xùn)練實例
    3.3 基于機器語義信息的名詞短語指代消歧流程
    3.4 實驗結(jié)果與分析
        3.4.1 機器語義信息有效性的驗證
        3.4.2 卷積次數(shù)對實驗的影響
        3.4.3 卷積核個數(shù)對實驗的影響
    3.5 本章小結(jié)
第四章 基于語義依存分析的名詞短語指代消歧
    4.1 語義依存關(guān)系介紹
    4.2 本章主要研究內(nèi)容
    4.3 構(gòu)建訓(xùn)練與測試實例
    4.4 基于語義依存的維吾爾語名詞短語指代消歧模型
    4.5 實驗結(jié)果與分析
        4.5.1 實驗設(shè)計
        4.5.2 手工語義依存關(guān)系對實驗的影響
        4.5.3 機器語義依存關(guān)系對實驗的影響
        4.5.4 分段最大池化對指代消歧的影響
    4.6 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
作者攻讀碩士期間的研究成果
致謝



本文編號：3873227