典型文献
基于SCDV及各向异性调整BERT的文本语义消歧方法
文献摘要：
文本表示需要解决文本词语的歧义性问题,并能够准确界定词语在特定上下文语境中的语义特征.针对词语的多义性及语境特征问题,提出了一种文本语义消歧的SCDVAB模型.其基于分区平均技术,将场景语料库转换为文档嵌入,并引入各向异性,改进了软聚类的稀疏复合文档向量(SCDV)算法,以提高BERT的语境化表示能力;将调整各向异性后的BERT词语嵌入,作为静态词语向量的文档嵌入,以提升文本语义消歧的能力.通过大量实验进一步证明,SCDVAB模型的效果明显优于传统的文本消歧算法,可有效提高文本语义消歧的综合性能.
文献关键词：
语义消歧;各向异性;BERT;稀疏复合文档向量;文本表示
中图分类号：
作者姓名：
李保珍;顾秀莲
作者机构：
南京审计大学 信息工程学院,南京211815
文献出处：
引用格式：
[1]李保珍;顾秀莲-.基于SCDV及各向异性调整BERT的文本语义消歧方法)[J].计算机应用研究,2022(10):2979-2983
A类：
SCDV,语义消歧,SCDVAB,稀疏复合文档向量
B类：
各向异性,BERT,文本语义,文本表示,词语,歧义性,上下文语境,语义特征,多义性,特征问题,语料库,软聚类,语境化,示能
AB值：
0.189599
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
