论文部分内容阅读
在使用神经网络语言模型进行汉语框架排歧实验时，可选取词、词＋词性、随机embedding矩阵及与词相对应的embedding矩阵作为特征，在2077条句子的语料上进行框架排歧实验，在给定数据集下，随着embedding矩阵迭代次数的增加，准确率也增大，当迭代次数达到7000万时，准确率最大，然后随着迭代次数的增加，准确率有减小的趋势，最后趋于稳定。把词的embedding矩阵作为特征提高框架排歧的准确率，进一步说明，深度学习在自然语言处理中的应用与仅有词及词＋词性特征的若干模型对比中，词的分布式表示是有一