[发明专利]基于BiLSTM和GraphSAGE的词义消歧方法

摘要

本发明涉及一种基于BiLSTM和GraphSAGE的词义消歧方法。本发明首先对包含歧义词汇的汉语句子进行分词、词性标注、语义类标注和繁体字标注。以包含歧义词的句子及与歧义词汇关联度最大的左右4个词汇单元的词形、词性和语义类作为消歧特征，将消歧特征作为节点构建消歧特征图，使用Word2Vec工具和Doc2Vec工具对特征进行向量化处理作为GraphSAGE模型的输入，利用BERT编码器对词形、词性、语义类和繁体字进行向量化处理作为BiLSTM模型的输入。用训练语料优化BiLSTM+GraphSAGE模型，利用优化后的BiLSTM+GraphSAGE模型对测试语料进行词义消歧，得到歧义词汇在每个语义类别下的概率分布序列。具有最大概率的语义类别即为歧义词汇的语义类别。本发明具有较好的词义消歧效果，能更准确地判断歧义词汇的真实含义。