黄雄
- 作品数：3 被引量：98H指数：2
- 供职机构：中国科学院计算技术研究所更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于向量空间模型中义项词语的无导词义消歧被引量：60
- 2002年
- 有导词义消歧机器学习方法的引入虽然使词义消歧取得了长足的进步,但由于需要大量人力进行词义标注,使其难以适用于大规模词义消歧任务.针对这一问题,提出了一种避免人工词义标注巨大工作量的无导学习方法.在仅需义项词语知识库的支持下,将待消歧多义词与义项词语映射到向量空间中,基于k-NN(k=1)方法,计算二者相似度来实现词义消歧任务.在对10个典型多义词进行词义消歧的测试实验中,采用该方法取得了平均正确率为83.13%的消歧结果.
- 鲁松白硕黄雄
- 关键词：向量空间模型自然语言处理
- 基于认知协作的团队开发模型和方法研究
- 诸葛海黄雄刘悦时鹏郭韦钰丁连红刘洁李艳燕郑丽萍李向陈雪星芸鹏
- 提出了知识流模型及其与工作流相结合的方法，使其能完整地模拟团队协作过程并在协同过程中有效地共享资源、收集团队成员的知识，从而提高团队协同工作的效率和质量；开发出了人机交互的知识收集和共享机制KCB并在网上发布；提出知识网...
- 关键词：
- 关键词：知识网格
- 基于向量空间模型的有导词义消歧被引量：57
- 2001年
- 词义消歧一直是自然语言理解中的一个关键问题 ,该问题解决的好坏直接关系到自然语言处理中诸多应用问题的效果优劣 .由于自然语言知识表示的困难 ,在手工规则的词义消歧难以达到理想效果的情况下 ,各种有导机器学习方法被应用于词义消歧任务中 .借鉴前人的成果引入信息检索领域中向量空间模型文档词语权重计算技术来解决多义词义项的知识表示问题 ,并提出了上下文位置权重的计算方法 ,给出了一种基于向量空间模型的词义消歧有导机器学习方法 .该方法将多义词的义项和上下文分别映射到向量空间中 ,通过计算多义词上下文向量与义项向量的距离 ,采用 k- NN(k=1)方法来确定上下文向量的义项分类 .在 9个汉语高频多义词的开放和封闭测试中均取得了突出的成绩 (封闭测试平均正确率为 96 .31% ,开放测试平均正确率为 92 .98% ) 。
- 鲁松白硕黄雄张健
- 关键词：词义消歧向量空间模型自然语言理解
