利用全局共现信息进行潜在语义词义消歧
计算与语言
2014-03-06 v1 信息检索
摘要
在本文中，我提出了一种基于非负矩阵分解 (NMF) 并利用全局共现信息的新型词义消歧方法。在计算依存关系矩阵时，现有方法往往从小训练集中产生非常稀疏的共现矩阵。因此，NMF 算法有时无法收敛到期望的解。为了获得大量的共现关系，我建议使用整个训练集中词特征间依存关系的共现频率。这使我们能够解决数据稀疏问题并诱导更有效的潜在特征。为了评估该词义消歧方法的效率，我进行了一些实验以与两种基线方法的结果进行比较。实验结果表明，与所有基线方法相比，该方法在词义消歧方面是有效的。此外，通过分析全局共现信息，所提出的方法在获得稳定效果方面也是有效的。
引用
@article{arxiv.1403.1194,
title = {Latent Semantic Word Sense Disambiguation Using Global Co-occurrence Information},
author = {Minoru Sasaki},
journal= {arXiv preprint arXiv:1403.1194},
year = {2014}
}
备注
6 pages, 2figures