技术总结
本发明涉及一种基于层次深度语义的隐式篇章关系分析方法，属于自然语言处理应用技术领域。包括以下步骤：首先结合已标注和未标注语料，扩充训练语料规模，避免训练语料规模过小带来欠学习问题；然后基于一定规则初始化训练语料各层次的深度语义向量，通过信息增益值的大小筛选出有助于分类的词对，将其作为后续特征选取依据；最后设计一种打分函数，将待分类篇章关系论元对的多层次的深度语义信息相结合，利用神经网络训练模型参数并拟合隐式篇章关系类别标签，找到使性能达到最优的模型完成隐式篇章关系分析。弥补了基于离散特征的传统方法导致的错判；提升隐式篇章关系类别标签的分析精度；使用户能更快速而准确地获得隐式篇章关系的分析结果。
技术研发人员：鉴萍;佘萧寒;黄河燕
受保护的技术使用者：北京理工大学
文档号码：201610739516
技术研发日：2016.08.26
技术公布日：2017.01.11