基于深度学习、使用循环与卷积神经网络的希腊语端到端隐喻检测
计算与语言
2020-07-24 v1
摘要
本文提出并基准测试了若干基于深度学习的端到端希腊语隐喻检测模型。我们将卷积神经网络（CNNs）与循环神经网络（RNNs）同表示学习相结合，用于处理希腊语的隐喻检测问题。所提出的模型取得了优异的准确率分数，显著改进了先前已有的 state of the art（SOTA）结果（其准确率已达 0.82）。此外，本工作未使用任何特殊的预处理、特征工程或语言学知识。所提出的方法通过卷积神经网络（CNNs）与双向长短期记忆网络（LSTMs）取得了 0.92 的准确率与 0.92 的 F-score。使用双向门控循环单元（GRUs）与卷积循环神经网络（CRNNs）也取得了相当的 0.91 准确率与 0.91 F-score。这些模型仅基于训练元组、句子及其标签进行训练与评估。结果是一组在有限标注资源上训练的 state of the art 隐喻检测模型集合，可扩展至其他语言与类似任务。
引用
@article{arxiv.2007.11949,
title = {Deep Learning based, end-to-end metaphor detection in Greek language with Recurrent and Convolutional Neural Networks},
author = {Konstantinos Perifanos and Eirini Florou and Dionysis Goutsos},
journal= {arXiv preprint arXiv:2007.11949},
year = {2020}
}