计算机应用

作者：吴海燕, 刘颖

单位：清华大学 人文学院, 北京 100084

关键词：语体特征挖掘,语体特征区分度,注意力机制,多层感知机

基金：国家社会科学基金资助项目（18ZDA238）；教育部人文社科一般项目（17YJAZH056）；北京社会科学基金资助项目（16YYB021）。

针对大规模语料中不同语体的特征难以挖掘、需要大量专业知识和人力的问题，提出了一种自动挖掘能区分不同语体的特征的方法。首先，将语体表示成词、词类、标点符号、它们的2元、句法结构及多种组合特征；然后，使用注意力机制和多层感知机（MLP）的组合模型（如注意力网络）把语体分类成小说、新闻和课本，并在过程中自动地提取出能够帮助区分语体的重要特征；最后，通过对这些特征的进一步分析，可以得到不同语体的特点及一些语言学结论。实验结果显示，小说、新闻和课本在词、主题词、词的依存关系、词类、标点符号和句法结构都有显著的差异，进一步表明了人们在使用语言时因交际对象、目的、内容和环境的不同，对词汇、词类、标点和句法的运用上会自然地呈现出某种不同。

来源：2020年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第8期