条件随机场论文：条件随机场 语义标注 中文商品查询 特征模板 平均感知器算法.docVIP

【关键词】条件随机场 语义标注 中文商品查询 特征模板 平均感知器算法 【英文关键词】Conditional Random Fields Semantic Tagging Chinese Product Query Feature Templates Averaged Perceptron Algorithm 条件随机场论文：基于条件随机场的中文商品查询语义标注问题研究 【中文摘要】用户通常利用购物有哪些信誉好的足球投注网站引擎寻找自己想要的产品，对比有哪些信誉好的足球投注网站结果列表中的产品信息，例如价格、销量、买家评价等，点击列表项就进入相应的商品详情页，可以查看更详细的信商品息。理解这些商品查询的意图，既能增强用户的有哪些信誉好的足球投注网站体验，又能促进页面广告带来的收益。为了更好的实现这个目标，我们研究商品查询语义标注问题，即为商品查询中的每一项（词项或字）标注上预先定义的语义类别标签。已有的研究表明，利用序列标注模型可以解决商品查询语义标注问题，例如条件随机场模型，在此类问题中能取得较好的效果。商品查询具有如下三个特点：查询简短，特征稀少；不同类查询差异明显；商品查询词可以较好地划分语义类别，且上下文相关。区别于已有的英文商品查询语义标注的研究，本文研究的数据对象是以中文为主的商品查询。为此，本文首先组合多种类型的特征函数与特征模板丰富特征，能有效提高中文商品查询语义标注效果，同时使用基于商品标题构造语义词典的方法，标注效果进一步提高，特别是在训练样本较少时效果提升显著；其次，据文献调研，本文首次将平均感知器算法应用于语义标注模型中的参数学习过程，在保证标注效果较优的同时大幅缩短了模型训练时间，这将有助于研究成果的现实应用。此外，本文就不同模型、分词与未分词、不同特征模板、不同参数估计算法、语义词典使用前后等多种情况进行对比实验，实验结果与分析为中文商品查询语义标注这一研究主题提供了许多有价值的参考。 【英文摘要】Users usually use shopping search engine to find products they like, to compareproduct information in search results, such as price, sales and buyers’ reviews. Whenclick one product item on the listing, they will get more detail information on productdetail pages. Understanding the intents of these product queries can not only improvea user抯 search experience, but also boost a site抯 advertising profits. As one steptoward this goal, we study the problem of semantic tagging of product query, which isto assign each query segment/word to a pre-defined semantic category. Usingstatistical sequence labeling models to tag product queries has been shown to performwell. For instance, Conditional Random Fields (CRFs) model has achievedstate-of-the-art performance on such research topic.Product query has the following three aspects: short and lack of features; productqueries of different categories are significantly different; the words in product queryare context-sensitive and can be conveniently divided into semantic categories.Different from many other studies on semantic tagging of product query, this paperfocuses on Chinese-based product query, but not English-based. T