基于条件随机域的词性标注模型.pdfVIP

下载本文档

4
0
约4.18万字
约 5页
2017-08-31 发布于天津
举报
版权申诉

基于条件随机域的词性标注模型.pdf

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于条件随机域的词性标注模型

基于条件随机域的词性标注模型姜维关毅王晓龙哈尔滨工业大学计算机科学与技术学院哈尔滨 ( , ) 150001 : E-mailjiangwei@ 摘要词性标注主要面临兼类词消歧以及未知词标注的难题传统隐马尔科夫方法不易融合新特征而最大熵马尔科 , , 夫模型存在标注偏置等问题论文引入条件随机域建立词性标注模型易于融合新的特征并能解决标注偏置的问题此。 , , 。外又引入长距离特征有效地标注复杂兼类词以及应用后缀词与命名实体识别等方法提高未知词的标注精度在条件 , , 。随机域模型框架下进一步探讨了融合模型的方法及性能词性标注开放实验表明条件随机域模型获得了的标 , 。 , 96.10% 注精度。关键词词性标注条件随机域触发对文章编号 ( ) 文献标识码中图分类号 1002-8331-200621-0013-04 A TP311 ConditionalRandom FieldsBasedPOSTagging JiangWeiGuanYiWangXiaolong ( , , ) SchoolofComputerScienceandTechnologyHarbinInstituteofTechnologyHarbin150001 : Abstract ThemaindifficultiesinPOStaggingaremulti-classworddisambiguationandunknownwordtagging. , , HowevermorefeaturescannotbeaddedintoHiddenMarkovModelandthereislabelbiasproblem inMaximum ( ) , EntropyMarkovModel.SoConditionalRandomFieldCRF isintroducedtobuildPOStaggingmodelinthispaperin , ordertoovercomeaboveproblems.Inadditionlongdistancefeaturesareextractedandutilizedtolabelcomplicated , multi-classword.Asfortheunknownwordtaggingnamedentitiesrecognitionandsuffix-basedmethodetc.are