- 1、原创力文档(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
查看更多
蒙古语有向图形态分析器的判别式词干词缀切分*
姜文斌 1 吴金星 2,1 乌日力嘎 2,1 那顺乌日图 2 刘群 1
1 (中国科学院计算技术研究所 北京,100190)
2 (内蒙古大学蒙古学学院 呼和浩特,010021 )
(jiangwenbin@ )
摘 要:蒙古语形态分析中,我们之前的有向图模型[16]取得了较高的性能。这种建模方式以图状结构刻画
句中词干和词缀之间的概率关系,从而借助上下文信息为每个词确定最佳的切分标注候选。为每个词尽可
能地枚举出所有合法的切分标注候选,是有向图模型有效工作的前提。本文提出了一种基于判别式分类的
词干词缀切分策略,与之前基于词干表和词缀表的枚举方案相比,该方法对于词中含有未登录词干的情形
具有更好的泛化能力。以 20 万词规模的三级标注人工语料库为训练数据,采用判别式词干词缀切分的有向
图形态分析器,对于含有未登录词干的情形,词级切分标注正确率提高了7 个百分点。
关键词:蒙古语 词法分析 词性标注 词干提取 有向图 判别式
Discriminative Stem-Affix Segmentation
for Directed-Graph-Based Mongolian Lexical Analyzer
JIANG Wen-Bin1 WU Jin-Xing2,1 Wuriliga2,1 Nasanurtu2 LIU Qun1
1 (Institute of Computing Technology, Chinese Academy of Sciences, Beijing, P.R.China, 100190 )
2 (Inner Mongolian University, Huhhot, P.R.China, 010021 )
(jiangwenbin@)
Abstract: In Mongolian lexical analysis, directed-graph-based model achieves high performance. This model uses
a directed-graph architecture to describe the probabilistic relationship of stems and affixes, thus to determine the
best segmented and tagged candidate for each word according to the context. Therefore, it is the basis for a
directed-graph-based analyzer to enumerate all legal segmented and tagged candidates for each word. This paper
proposes for Mongolian lexical analysis a novel stem-affix segmentation model based on discriminative
classification method. Compared with the enumeration strategy based on the stem- and affix sets, this method
shows better generalization ability for the words with unknown stems. Using the 3rd-level annotated corpus with
about 200,000 words as the training data, the directed-graph-based lexical analyzer with discriminative stem-affix
segmentation
文档评论(0)