将词义注释融入神经词义消歧
计算与语言
2018-07-17 v2
摘要
词义消歧（WSD）旨在识别多义词在特定语境中的正确含义。像 WordNet 这样的词汇资源在基于知识的方法中被证明对 WSD 极有帮助。然而，以往的 WSD 神经网络总是依赖大量标注数据（上下文），忽略了诸如词义注释（sense definitions，词义定义）之类的词汇资源。本文中，我们将目标词的上下文与词义注释整合进一个统一框架，以充分利用标注数据与词汇知识。为此，我们提出 GAS：一种词义注释增强的 WSD 神经网络，它联合编码目标词的上下文与词义注释。GAS 在改进的记忆网络框架中对上下文与词义注释之间的语义关系进行建模，打破了以往监督方法与基于知识的方法之间的壁垒。我们进一步通过 WordNet 中词义之间的语义关系扩展原始词义注释，以丰富注释信息。实验结果表明，我们的模型在多个英文全词 WSD 数据集上优于当前最优（state-of-the-art）系统。
引用
@article{arxiv.1805.08028,
title = {Incorporating Glosses into Neural Word Sense Disambiguation},
author = {Fuli Luo and Tianyu Liu and Qiaolin Xia and Baobao Chang and Zhifang Sui},
journal= {arXiv preprint arXiv:1805.08028},
year = {2018}
}
备注
Accepted to ACL 2018 (long paper), added code link