利用随机森林分类器预测词汇语义网络中缺失的语义关系
计算与语言
2019-11-13 v1 人工智能
机器学习
摘要
本研究聚焦于预测法国词汇语义网络 RezoJDM 中两个给定节点之间缺失的六种语义关系(如 is_a 和 has_part)。该预测的输出是一组配对,其中第一项为语义关系,第二项为这些关系存在的概率。鉴于问题的表述,我们选择随机森林(RF)预测分类器方法来解决此问题。我们假定用于训练/测试数据集的现有语义关系是通过众包收集并验证的。我们描述了在特征提取阶段使用 node2vec 方法后如何实现上述所有思路。我们展示了该方法如何能得出可接受的结果。
引用
@article{arxiv.1911.04759,
title = {Prediction of Missing Semantic Relations in Lexical-Semantic Network using Random Forest Classifier},
author = {Kévin Cousot and Mehdi Mirzapour and Waleed Ragheb},
journal= {arXiv preprint arXiv:1911.04759},
year = {2019}
}