计算机工程

作者：马月坤, 马铭佑

单位：1. 华北理工大学人工智能学院, 河北 唐山 0632102. 华北理工大学河北省工业智能感知重点实验室, 河北 唐山 0632103. 北京科技大学计算机与通信工程学院, 北京 1000834. 北京科技大学材料领域知识工程北京市重点实验室, 北京 100083

关键词：隐喻识别,全局特征,局部特征,特征加权,注意力机制,双向长短时记忆

基金：河北省工业智能感知重点实验室资助(SZX2021013)

部分文本中隐喻本体与喻体位置相距较远, 导致模型学习文本语境信息的难度增大, 以及所提取的特征中重要信息不明显。为此, 提出一种基于全局与局部特征加权融合的隐喻识别模型。首先, 设计了局部特征提取模块(LFEM), 通过对不同范围以及更大感受野下文本局部特征的关注来达到学习词语周围不同距离语境信息的目的; 其次, 使用双向长短时记忆(BiLSTM)与多头注意力构成全局特征提取模块(GFEM), 学习宏观句子级语义信息; 最后, 设计了特征加权融合模块(FWFM), 对提取得到的2种特征进行自适应动态融合, 以较少的噪声获得鲁棒性更强且重要信息更为集中的特征。实验结果表明, 相比RoBERTa+Transformer+GCN模型, 所提模型在VUA ALLPOS、TOEFL ALLPOS以及CCL 3个数据集上的F1值分别提升了1.1、1.2和3.2百分点, 所提模型具有更高的隐喻识别精度。

来源：2025年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第5期