理解上下文词汇的自然语言处理技术

请看以下句子:

I'm going to change the light bulb

在这个句子中,change的意思是replace,即有人要更换灯泡。这可以通过使用字典API或类似工具轻松解决。然而,以下句子

I need to go the bank to change some currencyYou need to change your screen brightness

第一句中的change不再是replace的意思,而是Exchange,而在第二句中,change的意思是adjust

如果你试图在这种情况下理解change的意思,要使用什么技术来根据句子的上下文提取正确的定义?你正在尝试做的事情叫什么名字?

请注意,输入将只是一句话。所以像这样的内容:

Screen brightness is typically too bright on most peoples computers.People need to change the brightness to have healthier eyes.

并不是我试图解决的问题,因为你可以使用前面的句子来设定上下文。此外,这将适用于许多不同的词,而不仅仅是change这个词。

感谢你的建议。

编辑:我知道各种嵌入模型可以帮助深入了解这个问题。如果这是你的答案,你如何解释返回的词嵌入?这些数组的长度可能超过500,这不实用。


回答:

你试图做的事情被称为词义消歧。这是一个研究了许多年的主题,虽然可能不是最受欢迎的问题,但它仍然是活跃研究的主题。即使现在,选择一个词的最常见意义也是一个强有力的基线。

词嵌入可能有用,但它们的使用与你在这里试图做的事情是正交的。

以下是来自pywsd的一段示例代码,这是一个包含一些经典技术实现的Python库:

>>> from pywsd.lesk import simple_lesk>>> sent = 'I went to the bank to deposit my money'>>> ambiguous = 'bank'>>> answer = simple_lesk(sent, ambiguous, pos='n')>>> print answerSynset('depository_financial_institution.n.01')>>> print answer.definition()'a financial institution that accepts deposits and channels the money into lending activities'

这些方法大多有些老旧,我无法保证它们的质量,但至少是一个好的起点。

词义通常来自WordNet

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注