卷积块注意力模块嵌入Regnety网络的词义消歧

本发明涉及一种卷积块注意力模块(Convolutional Block Attention Module，CBAM)嵌入Regnety网络的词义消歧方法。本发明对SemEval-2007:Task#5的训练语料和测试语料进行分词、词性标注、拼音首字母标注、声调标注和语义类标注。选取歧义词左右具有名词、动词、形容词、数词、量词和代词词性的邻接词汇单元的词形、词性、语义类、拼音首字母和声调作为消歧特征。利用Word2Vec工具对消歧特征进行向量化处理，得到训练数据和测试数据；将CBAM嵌入Regnety之中，获得词义消歧模型CBAMRegnety。利用训练数据对CBAMRegnety进行训练，得到...

Full description

Saved in:
Bibliographic Details
Format Patent
LanguageChinese
Published 13.05.2025
Subjects
CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
ELECTRIC DIGITAL DATA PROCESSING
PHYSICS
Online AccessGet full text

Cover

More Information
Summary:本发明涉及一种卷积块注意力模块(Convolutional Block Attention Module，CBAM)嵌入Regnety网络的词义消歧方法。本发明对SemEval-2007:Task#5的训练语料和测试语料进行分词、词性标注、拼音首字母标注、声调标注和语义类标注。选取歧义词左右具有名词、动词、形容词、数词、量词和代词词性的邻接词汇单元的词形、词性、语义类、拼音首字母和声调作为消歧特征。利用Word2Vec工具对消歧特征进行向量化处理，得到训练数据和测试数据；将CBAM嵌入Regnety之中，获得词义消歧模型CBAMRegnety。利用训练数据对CBAMRegnety进行训练，得到优化后的CBAMRegnety。在优化后的CBAMRegnety上，对测试数据进行消歧，得到歧义词汇在每个语义类别下的权重。权重最大的语义类别即为歧义词汇的语义类别。本发明对歧义词汇实现了很好的消歧，更准确地判断歧义词汇的真实含义。 The invention relates to a word sense disambiguation method for embedding a convolutional block attention module (CBAM) into a Regnet network, in particular to a word sense disambiguation method for embedding the CBAM into the Regnet network. According to the method, word segmentation, part-of-speech tagging, pinyin initial tagging, tone tagging and semantic tagging are carried out on a training corpus and a test corpus of SemEval-2007: Task # 5. Selecting word forms, part-of-speech, semantic classes, pinyin initials and tones of adjacent vocabulary units with part-of-speech of nouns, verbs, adjectiv
Bibliography:Application Number: CN202210720884