面向词性标注的多资源转化研究-人类语言技术研究所-苏州大学.PDFVIP

北京大学学报(自然科学版) 第 51 卷 第 2 期 2015 年 3 月 Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 51, No. 2 (Mar. 2015) doi: 10.13209/j.0479-8023.2015.037 面向词性标注的多资源转化研究 1 2 2,† 高恩婷 巢佳媛 李正华 1. 苏州科学技术学院电子与信息工程学院 , 苏州 215011; 2. 苏州大学计算机科学与技术学院 , 苏州 215006; † 通信作者 , E-mail: zhli13@suda.edu.cn 摘要 利用多资源转化方法进行词性标注研究, 旨在将源端资源的标注进行转化, 以符合目标端标注规范, 进而将转化后的资源与目标资源合并, 增大训练数据规模。做了两方面创新: 在转化过程中, 额外利用指导 特征的置信度信息; 在转化后的资源中, 用模糊标注表示方法减少错误标注。实验表明, 利用置信度信息能 有效帮助转化, 而模糊标注表示方法的影响不大。 关键词 词性标注转化; 条件随机场; 词性标注 中图分类号 TP391 Conversion of Multiple Resources for POS Tagging 1 2 2,† GAO Enting , CHAO Jiayuan , LI Zhenghua 1. College of Electronics Information Engineering, Suzhou University of Science and Technology, Suzhou 215011; 2. School of Computer Science Technology, Soochow University, Suzhou 215006; † Corresponding author, E-mail: zhli13@suda.edu.cn Abstract The authors propose an annotation conversion method using multiple resources for POS tagging, aiming to convert the source-side annotations into target-side and then combine the data to get larger training data. Two innovate strategies are proposed. The first strategy uses reliability information of guide features. The second strategy uses ambiguous labelings to improve the quality of converted data. Results demonstrate that the first strategy is helpful for annotation conversion while the second does little to conversion. Key words annotation conversion; conditional random field; POS tagging 目前, 有指导的统计机器学习方法通常使用单 近年来,