基于Self-Attention的多语言语义角色标注联合学习方法

为解决文本语言输出标签序列过于模糊的问题,建立一种相对平稳的级联重排序模式,提出基于Self-Attention的多语言语义角色标注联合学习方法。按照卷积神经网络的框架连接需求,搭建卷积神经网络、处理文本词向量及提取分类特征实施多语言文本词的向量化处理,并根据分类特征的提取行为,完成基于Self-Attention理论的多语言文本分类调节。实验结果表明,该方法的文本语言输出标签序列的模糊性水平明显降低,而级联重显示指标却大幅提升,整个物理排序模式开始逐渐趋于稳定。

基于语义的多语言信息组织模式研究

互联网信息多语言化已成趋势,跨语言信息检索成为研究热点,对多语言信息进行有序的组织是实现跨语言信息检索的基础。文章分析微观、中观、宏观三种多语言信息组织模式的层次结构,并对多语言语义词典、多语言叙词表等五种实例进行分析,总结这三种模式存在的问题并提出改进建议。