- 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
基于表示学习的中文分词算法探索
基于表示学习的中文分词算法探索
来斯惟,徐立恒,陈玉博,刘康,赵军
中国科学院自动化所模式识别国家重点实验室,北京,100190
E-mail: {swlai, lhxu, yubo.chen, kliu, jzhao}@nlpr.ia.ac.cn
摘 要:分词是中文自然语言处理中的一个关键基础技术。通过基于字的统计机器学习方法学习判断词边
界是当前中文分词的主流做法。然而,传统机器学习方法严重依赖人工设计的特征,而验证特征的有效性
需要不断的尝试和修改,是一项费时费力的工作。随着基于神经网络的表示学习方法的兴起,使得自动学
习特征成为可能。本文探索了一种基于表示学习的中文分词方法。首先从大规模语料中无监督地学习中文
字的语义向量,然后将字的语义向量应用于基于神经网络的有监督中文分词。实验表明,表示学习算法是
一种有效的中文分词方法,但是我们仍然发现,由于语料规模等的限制,表示学习方法尚不能完全取代传
统基于人工设计特征的有监督机器学习方法。
关键词:表示学习、中文分词
Chinese Word Segment Based on Character Representation Learning
LAI Siwei, XU Liheng, CHEN Yubo, LIU Kang, ZHAO Jun
National Laboratory of Pattern Recognition Institute of Automation, Beijing 100190
E-mail: {swlai, lhxu, yubo.chen, kliu, jzhao}@nlpr.ia.ac.cn
Abstract: Word segmentation is a fundamental technology of Chinese natural language
processing. Using character-based statistical machine learning methods to perform Chinese word
segmentation is the main trend currently. However, conventional machine learning methods
heavily rely on manually designed features, which require intensive labor to modify the features
and verify their effectiveness. With the rapid develop of neural-network-based representation
learning, it becomes realistic to learn features automatically. This paper investigates a Chinese
word segment method based on representation learning. We first learn embedding vectors for
Chinese characters from a large corpus unsupervisedly, and then apply them to
neural-network-based Chinese word segmentation supervisedly. Experimental results show that
representation learning is an effective method for Chinese word segmentation. However, due to
the limitation of corpus size, it still cannot replace conventional machine learning methods which
based on manually designed features.
Key
您可能关注的文档
- 关于举办2013年全国大学生西门子杯工业自动化挑战赛.PDF
- 关于举办2015年FRC亚太公开赛的通知.PDF
- 关于举办2015年外贸发展战略、海关监管.PDF
- 关于举办CCFNOI2015冬令营的通知.PDF
- 关于举办中国结算2015年第一场登记结算.PDF
- 关于举办凤凰语文教师专业发展研修营第三期经典诵读.PDF
- 关于举办如何提高学校创新能力研讨会暨-全国中小学信.PDF
- 关于举办欧盟地区产品标准及技术法规培训的通知.PDF
- 关于举办第二届北京协和—湘雅血流动力学大会通知.PDF
- 关于举办第二期药代动力学实验室室间质量评价.PDF
- 贵州贵州省建设投资集团有限公司招聘考试真题附答案详解(研优卷).docx
- 河南南阳师范学院2021年招聘25名硕士研究生冲刺卷一(附答案与详解)及答案详解(名校卷).docx
- 陕西延长石油 (集团) 有限责任公司 所属单位招聘笔试题库及答案详解(必刷).docx
- 贵州民航产业集团有限公司招聘笔试题库含答案详解(基础题).docx
- 广汉市2025年公开招聘社区专职工作者(125人)考试备考题库含答案详解(考试直接用).docx
- 邢台市水务发展集团有限公司招聘真题附答案详解(实用).docx
- 新华保险总部人力资源部(党委组织部)招聘笔试题库含答案详解(预热题).docx
- 贵州苔茶产业发展集团有限公司招聘笔试题库含答案详解(b卷).docx
- 广汉市2025年公开招聘社区专职工作者(125人)考试备考题库附答案详解(综合题).docx
- 贵州城乡产业发展集团有限公司招聘笔试题库附答案详解(实用).docx
最近下载
- 机关干部保密培训课件.pptx VIP
- (高清版)B/T 42583-2023 信息安全技术 政务网络安全监测平台技术规范.pdf VIP
- 棕色中国风项羽刘邦PPT模板.pptx VIP
- 浦发银行公司网银安装使用说明.docx VIP
- 高中物理竞赛知识点总结.pdf VIP
- 2025山西运城夏县招聘司法协理员27人(一)备考试题及答案解析.docx VIP
- 十二年国民基本教育课程纲要国民中学暨普通型高级中等学校.PDF
- 《阿甘正传》电影赏析.pptx VIP
- 《二次函数与一元二次方程、不等式大单元》教学设计【高中数学人教A版必修第一册教案】.docx VIP
- 第九届全国青年数学教师优秀课课件 四川—魏静—课件—函数的极值与导数.pptx VIP
文档评论(0)