- 1、本文档共10页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
UnsupervisedOverlappingFeatureSelectionfor
Unsupervised Overlapping Feature Selection for Conditional Random Fields Learning in Chinese Word Segmentation
for Rocling 2011
Ting-hao Yang, Tian-jian Jiang, Chan-hung Kuo
, Richard Tzong-han Tsai, Wen-lian Hsu
Institute of Information Science, Academia Sinica
Department of Computer Science Engineering, Yuan Ze University
Term Contributed Boundary Feature using Conditional Random Fields in 2010
A unified view of several unsupervised feature selection based on frequent strings
2
Introduction
3
Flow chart
4
Flow chart
SRILM
YASA
5
Toolkit
C++ libraries
The toolkit supports N-gram statistics for language model
6
SRILM
Automatically extract frequent strings from unlabeled corpus
7
YASA
Pattern: 自然科學
Frequency
Net Frequency
(自然科學 ,4)
(自然科,4)
(自然,10)
(自然科學 ,4)
(自然科,0)
(自然,6)
8
Flow chart
Character
Label
反
B1
而
E
會
S
欲
B1
速
B2
則
B3
不
M
達
E
9
6-Tag
[0 -9 ] + [B1|B2|B3|M|E|S]
10
Extended Label
N-Gram score
Frequent string score
Accessor variety score
11
Score
Convert from term frequency and N-Gram frequency
Logarithm ranking mechanism
12
Score
Pattern
Frequency
Logarithm ranking mechanism
Score
塑膠原料的
10
log2(10) =3
塑膠原料
5
log2(5) = 2
原料的
3
log2(3)=1
的生產
2
Log2(2)=1
塑膠
4
log2(4)=2
13
Score
Consider the score of outer pattern
Equation of AV
14
Score
15
Score
AV(開發與法制)
AV(的開發與法制),AV(是開發與法制),AV(有開發與法制),AV(開發與法制的),AV(開發與法制是),AV(開發與法制為)
Pattern
Logarithm ranking mechanism
Score
6-Tag Label
Label with score
塑膠原料的
log2(10) =3
塑 B1
膠 B2
原 B3
料 M
的 E
塑 3B1
膠 3B2
原 3B3
料 3M
的 3E
16
Score
Scores are also used for filtering overlapping pattern
17
Overlapping and Non-overlapping
Character
TCB Feature
塑
B1
膠
B2
原
B3
料
M
的
E
生
-1
產
-1
18
Non-overlapping
“塑膠原料的” score 3
conflicts with
”的生產” score 1
”的生產” is labeled as unseen
Term
Label
反
5S3B14B1
而
6S3E4B2
會
6S4E
欲
4S
速
4S
則
6S3B1
不
7S3E
達
5S3E
19
Overlapping information?
20
Overlapping String
Input
Unsupervised Feature Selection
1 char
2 char
3 char
4 char
5 char
反
5S
3B1
4B1
0B1
0B1
而
6S
3E
4B2
0B2
0B2
會
6S
0E
您可能关注的文档
- ms18c''monolitsensor''.PDF
- Morrison&FoersterChinaLife.PDF
- MTT386-2011.PDF
- MultiplexPCRMastermix使用说明书.doc
- MP点拉手.PDF
- Multilon的成型条件表.PDF
- MX-3、MX-5、MMX-6、PX-7.PDF
- Nanoform250ultra.PDF
- NETELTECHNOLOGY(HOLDINGS)LIMITED.PDF
- New啄赢.UtUProdu。1、嗣囵囫翟墨团.PDF
- 2024-2030年中国以太网交换机和路由器行业市场发展趋势与前景展望战略研究报告.docx
- 2024-2030年中国企业数据库管理系统(DBMS)行业市场发展趋势与前景展望战略研究报告.docx
- 2024-2030年中国休闲类纺织品行业发展分析及竞争策略与趋势预测研究报告.docx
- 2024-2030年中国低钠氢氧化铝市场投资考察与发展环境预测研究报告.docx
- 2024-2030年中国低速电动车行业投资战略规划策略及发展方向分析报告.docx
- 2024-2030年中国体外尿液收集装置行业现状态势及发展潜力预测报告.docx
- 2024-2030年中国体感游戏机行业市场发展分析及前景预测与投资发展战略研究报告.docx
- 生物学案:例题与探究第三章第二节基因的自由组合定律.docx
- 生物学案:例题与探究第三章第一节基因的分离定律.docx
- 生物学案:例题与探究第三章第节DNA的复制.docx
文档评论(0)