隱喻是一種十分普遍的語(yǔ)言現(xiàn)象,它反映的不只是人對(duì)語(yǔ)言的使用方式,更是人對(duì)事物的認(rèn)知方式。隱喻在自然語(yǔ)言處理中處于十分重要的地位。語(yǔ)義的矛盾是隱喻的標(biāo)志和信號(hào),隱喻識(shí)別模型需要利用詞語(yǔ)的特征,找到詞語(yǔ)間的矛盾來(lái)識(shí)別隱喻。多模態(tài)的方法使用詞語(yǔ)的文本信息和圖像信息獲取特征,它可以讓隱喻識(shí)別模型獲得更豐富的詞語(yǔ)特征。詞語(yǔ)可以按抽象度分為具體詞和抽象詞,具體詞具有實(shí)體,使用圖像信息可以獲得更豐富的特征,而抽象詞不具備實(shí)體,難以使用圖像信息。本文把詞語(yǔ)的抽象度和多模態(tài)方法結(jié)合起來(lái),為具體詞和抽象詞選擇合適的模態(tài)信息。很少有抽象度計(jì)算方法會(huì)考慮到詞語(yǔ)的詞性對(duì)抽象度的影響。而不同詞性的詞語(yǔ)具有不同的詞義,這會(huì)導(dǎo)致抽象度的不同。因此本文提出了一種區(qū)分詞性的抽象度獲取方法,為隱喻識(shí)別模型提供支持。在文本模態(tài)特征獲取方面,本文使用詞語(yǔ)的詞性抽象度作為特征信息。在圖像模態(tài)特征獲取方面,本文利用互聯(lián)網(wǎng)獲得詞語(yǔ)的圖像模態(tài)信息,使用卷積神經(jīng)網(wǎng)絡(luò)模型獲得圖像模態(tài)的特征向量,再計(jì)算出概念的圖像模態(tài)相似度信息。在詞語(yǔ)的區(qū)分詞性抽象度計(jì)算方面,本文首先在權(quán)威抽象度數(shù)據(jù)庫(kù)中獲取只具有單一詞性的詞語(yǔ),把它們作為種子詞,再使用多...

【文章頁(yè)數(shù)】：92 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 問(wèn)題的提出
    1.2 隱喻識(shí)別研究綜述
        1.2.1 基于單一模態(tài)的隱喻識(shí)別方法
        1.2.2 基于多模態(tài)的隱喻識(shí)別方法
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
第二章 多模態(tài)的語(yǔ)義特征
    2.1 多模態(tài)算法介紹
    2.2 多模態(tài)相關(guān)工作
    2.3 符號(hào)與現(xiàn)實(shí)連接問(wèn)題
    2.4 圖像模態(tài)的語(yǔ)義屬性抽取
        2.4.1 實(shí)驗(yàn)數(shù)據(jù)和方法
        2.4.2 實(shí)驗(yàn)結(jié)果及分析
第三章 引入抽象度的多模態(tài)隱喻識(shí)別研究
    3.1 已有的多模態(tài)隱喻識(shí)別方法
    3.2 概念的抽象度與多模態(tài)隱喻識(shí)別的關(guān)系
    3.3 引入抽象度的多模態(tài)隱喻識(shí)別方法
        3.3.1 文本模態(tài)和圖像模態(tài)的獲取
        3.3.2 多模態(tài)融合
        3.3.3 算法流程
    3.4 實(shí)驗(yàn)和分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)
        3.4.2 實(shí)驗(yàn)結(jié)果
第四章 區(qū)分詞性抽象度的計(jì)算
    4.1 抽象度和詞性的關(guān)系
    4.2 抽象度計(jì)算和多詞義詞向量相關(guān)工作
        4.2.1 詞語(yǔ)的抽象度計(jì)算
        4.2.2 表示詞語(yǔ)多詞義的詞向量計(jì)算
    4.3 Sense2vec模型
    4.4 區(qū)分詞性抽象度的計(jì)算方法
        4.4.1 種子詞的獲取
        4.4.2 詞性語(yǔ)義距離計(jì)算
        4.4.3 詞性抽象度的計(jì)算
    4.5 實(shí)驗(yàn)與分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)
        4.5.2 詞性抽象度覆蓋率實(shí)驗(yàn)
        4.5.3 詞性抽象度計(jì)算結(jié)果分析
第五章 基于區(qū)分詞性抽象度計(jì)算的多模態(tài)英文隱喻識(shí)別研究
    5.1 基于單一模態(tài)的隱喻識(shí)別模型
        5.1.1 邏輯斯蒂回歸模型
        5.1.2 算法流程
    5.2 基于多模態(tài)的隱喻識(shí)別模型
    5.3 基于區(qū)分詞性抽象度的多模態(tài)隱喻識(shí)別模型
    5.4 實(shí)驗(yàn)設(shè)置
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 抽象度閾值的訓(xùn)練
    5.5 實(shí)驗(yàn)結(jié)果及分析
        5.5.1 對(duì)比現(xiàn)有的隱喻識(shí)別方法
        5.5.2 對(duì)比不考慮區(qū)分詞性抽象度的多模態(tài)隱喻識(shí)別方法
        5.5.3 結(jié)果分析
第六章 總結(jié)和展望
    6.1 本文的主要貢獻(xiàn)
    6.2 未來(lái)的研究方向
參考文獻(xiàn)
致謝
附錄A 概念的圖像語(yǔ)義屬性抽取結(jié)果(子集)
附錄B 區(qū)分詞性抽象度計(jì)算結(jié)果及評(píng)測(cè)(子集)
附錄C 英文形容詞性短語(yǔ)隱喻識(shí)別結(jié)果(子集)
附錄D 英文動(dòng)詞性短語(yǔ)隱喻識(shí)別結(jié)果(子集)



本文編號(hào)：3752930