基于SCDV及各向異性調(diào)整BERT的文本語義消歧方法

打開文本圖片集

摘要：文本表示需要解決文本詞語的歧義性問題，并能夠準(zhǔn)確界定詞語在特定上下文語境中的語義特征。針對(duì)詞語的多義性及語境特征問題，提出了一種文本語義消歧的SCDVAB模型。其基于分區(qū)平均技術(shù)，將場景語料庫轉(zhuǎn)換為文檔嵌入，并引入各向異性，改進(jìn)了軟聚類的稀疏復(fù)合文檔向量（SCDV）算法，以提高BERT的語境化表示能力；將調(diào)整各向異性后的BERT詞語嵌入，作為靜態(tài)詞語向量的文檔嵌入，以提升文本語義消歧的能力。（剩余15005字）