来源：期刊VIP网 时间：
作者：曾伟;奚雪峰;崔志明;
单位：苏州科技大学电子与信息工程学院;苏州市虚拟现实智能交互及应用技术重点实验室;苏州科技大学智慧城市研究院;
摘要：实体消歧作为自然语言处理领域的关键问题之一，对于文本理解和信息检索具有重要意义。因短文本语境信息有限、表达不规范以及语法结构不完整，短文本实体消歧方法准确率较低。为此，本研究提出了一种基于位置增强和对抗训练的中文短文本实体消歧方法。首先，在文本编码层引入位置增强机制，以加强实体消歧过程中对实体在文本中位置的考量，从而提高消歧精度。然后，通过双路网络处理获得的文本表示，利用PCNN模型获取句子依赖特征，利用GCN模型获取语义特征，融合二者的语义信息完成消歧任务。在此基础上，采用对抗训练技术，在编码后的文本表示中添加扰动，使模型能够充分学习文本中微妙的语义特征，以增强模型的泛化能力和鲁棒性。实验结果表明，本研究方法在CCKS2019数据集上达到了75.94%的精确率，验证了其在解决中文短文本实体消歧任务中的有效性和可行性。
关键词：短文本;;实体消歧;;位置增强;;卷积网络
基金资助：国家自然科学基金(No.62176175);; 江苏省“六大人才高峰”高层次人才项目资助(No.XYDXX-086);; 苏州市科技计划项目(No.SGC2021078)
