基于Transformer和BERT的名词隐喻识别_张冬瑜.pdfVIP

研究论文 * 基于Transformer 和BERT 的名词隐喻识别 1 2 1 1 3 张冬瑜 崔紫娟 李映夏 张 伟 林鸿飞 1（大连理工大学软件学院 大连116620） 2 （大连理工大学国际合作与交流处 大连116024） 3 （大连理工大学计算机科学与技术学院 大连116023） 摘要:【目的】解决名词隐喻识别研究中语义信息利用不足和关系表征的问题，提高识别效果。【方法】使用 BERT 模型替代词向量，在语义表示中同时包含词与词之间的位置关系等信息，利用Transformer 模型进行特 征提取并通过神经网络分类器进行识别。【结果】本文模型在准确率（0.900 0 ）、精确率（0.896 4 ）、召回率 （0.885 8）和F 1值（0.891 0 ）4 个指标上均表现最好，可以注意到多个关键点信息，提高名词隐喻的分类效果。 【局限】对于中文文本中的冷僻词汇、成语古语以及干扰词汇等的判断比较困难。【结论】本文所提隐喻识别 方法优于现有基于人工特征的分类模型及主流深度学习模型。 关键词:隐喻识别 名词隐喻 语义理解 Transformer 模型 BERT 模型