[发明专利]一种基于图卷积神经网络的中文词义消歧方法

说明书

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。

技术领域：

本发明涉及一种基于图卷积神经网络的中文词义消歧方法，该方法可以很好的应用在自然语言处理领域。

背景技术：

词义消歧是自然语言处理领域中的基础性研究课题。在自然语言中，常常存在着一词多义的现象，往往给文本分类、机器翻译、信息检索等方面的应用带来一些困扰。根据上下文特定的语言环境，找出歧义词汇的真实语义，提高词汇表示的准确性，将会给以上应用领域中带来更好的效果。

目前，经常使用一些常见的算法对歧义词汇进行消歧和分类，例如：朴素贝叶斯、K-means、基于关联规则的分类方法和人工神经网络等。但是，这些传统的算法存在着一些缺点，不能充分的提取消歧特征或者仅限于局部消歧特征提取，且分类器分类效果不是很好。近年来，深度学习算法已经广泛的应用到自然语言处理领域，像循环神经网络、卷积神经网络等算法模型，这些深度学习算法可以更好的提取消歧特征。图卷积神经网络(GraphConvolutionNetwork,GCN)模型是最近两年内提出来的深度学习算法，此模型直接在图上进行建模，通过构造词义消歧特征图的形式，可以将消歧特征更好的提取出来，将节点以及其邻域节点的消歧特征进行融合。对于歧义词汇而言，可以很好地应用GCN网络来进行消歧，实现语义的正确分类。

发明内容：

鉴于此，为了解决自然语言处理领域中针对中文里一词多义的现象，本发明公开了一种基于图卷积神经网络的中文词义消歧方法。

为此，本发明提供了如下技术方案：

1.基于图卷积神经网络的中文词义消歧方法，其特征在于，该方法包括以下步骤：

步骤1：对语料中所包含的所有汉语句子进行分词、词性标注和语义类标注，选取歧义词汇所在的句子，以及句子内的词形、词性和语义类作为消歧特征。

步骤2：提取歧义词汇所在的句子，以及句子内的词形、词性和语义类，使用Doc2Vec工具将提取的句子特征进行向量化处理，使用Word2Vec工具将词形、词性和语义类特征进行向量化处理。将处理好的语料分为训练语料和测试语料，其中训练语料占大部分。

步骤3：构建词义消歧特征图，将提取的句子，以及句子内的词形、词性和语义类作为图中的节点，构建词形与词形节点之间的边，词形与句子节点之间的边，词形与词性节点之间的边，词形与语义类节点之间的边。

步骤4：训练过程为：由训练数据构建好的词义消歧特征图输入到GCN模型里面进行训练，得到优化后的GCN模型。

步骤5：测试过程为：由测试数据构建的词义消歧特征图输入到优化后的GCN模型里面进行测试，即语义分类过程。计算歧义词汇在每个语义类别下的概率分布，其中，具有最大概率的语义类即为歧义词汇的语义类。

2.根据权利要求1所述的基于图卷积神经网络的中文词义消歧方法，其特征在于，所述步骤1中，对汉语句子进行分词、词性标注和语义类标注，提取消歧特征，具体步骤为：

步骤1-1利用汉语分词工具对汉语句子进行词汇切分；

步骤1-2利用汉语词性标注工具对已切分好的词汇进行词性标注；