【技术实现步骤摘要】
本专利技术涉及上下位关系识别，具体涉及一种基于双稀疏词嵌入投影的上下位关系识别方法和系统。
技术介绍
1、上下位关系是自然语言中一种重要的概念从属关系，概括性较强的单词叫作特定性较强的单词的上位词，特定性较强的单词叫作概括性较强的单词的下位词。正确的识别出上下位关系是构建知识图谱、语义网络等知识系统的重要基础。
2、现有的上下位关系投影模型主要是几种：第一种：单投影模型，第二种：分段投影模型，第三种：转导式投影模型，第四种：基于神经网络的投影模型等。
3、然而，现有的上下位关系投影模型仅适用于多下位词对应单上位词的情况，但对单下位词对应多上位词的情况识别效果差，导致上下位关系的识别算法识别精度低。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了一种基于双稀疏词嵌入投影的上下位关系识别方法和系统，解决了现有的上下位关系的识别算法识别精度低的技术问题。
3、(二)技术方案
4、为实现以上目的，本专利技...
【技术保护点】
1.一种基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，包括：
2.如权利要求1所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，所述根据正样本数据生成负样本数据，包括：
3.如权利要求1所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，对词向量样本数据进行聚类的方式包括K-means聚类。
4.如权利要求1所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，所述S3具体包括：
5.如权利要求4所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，所述S4具体包括：
6...
【技术特征摘要】
1.一种基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，包括：
2.如权利要求1所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，所述根据正样本数据生成负样本数据，包括：
3.如权利要求1所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，对词向量样本数据进行聚类的方式包括k-means聚类。
4.如权利要求1所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，所述s3具体包括：
5.如权利要求4所述的基于双稀疏词嵌入投影的上下位关系识别方法，其特征在于，所述s4具体包括：
6.如权利...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。