- 1、本文档共20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)。
查看更多
结合长词优先与序列标记之中文断词研究A Simple and Effective
Computational Linguistics and Chinese Language Processing
Vol. 15, No. 3-4, September/December 2010, pp. 161-180 161
© The Association for Computational Linguistics and Chinese Language Processing
結合長詞優先與序列標記之中文斷詞研究
A Simple and Effective Closed Test for Chinese Word
Segmentation Based on Sequence Labeling
*
∗ ∗
林千翔 、張嘉惠 、陳貞伶
∗ ∗ ∗
Qian-Xiang Lin , Chia-Hui Chang , and Chen-Ling Chen
摘要
中文斷詞在中文的自然語言處理上,是個相當基礎且非常重要的工作。近年來
的斷詞系統較傾向於機器學習式演算法來解決中文斷詞的問題。但使用傳統的
作法,如隱藏式馬可夫模型在解決中文斷詞的問題上,無法達到較好的斷詞效
能(F-measure 約 80% ),所以許多研究都是使用外部資源或是結合其他的機
器學習演算法來幫助斷詞。然而當外部資源不易取得時,如何以簡易的方式達
到準確的斷詞,則是本研究的目標。在本篇論文中我們以訓練資料所提供的詞
彙建構一個辭典,並以長詞優先比對(Maximum Matching )提供正向及反向
的斷詞結果做為應用序列標記之機器學習特徵函數,用以提升隱藏式馬可夫模
型(HMM )及條件隨機域(CRF )序列標記的準確率。我們發現,藉由長詞
優先比對,得以在完全不修改模型之訓練及測試過程的前提下,透過辭典的遮
罩(Mask )及特製化(Specialized )方式,改善斷詞的效能。實驗結果顯示,
長詞優先可大幅改善馬可夫模型的斷詞效能(F-measure: 0.812→0.948 );而
利用 Mask 方式則可將斷詞效能提升至 0.953;另挑選高錯誤率的字元做為特製
詞,則可再次提升斷詞效能至 0.963 。若採用條件隨機域做為序列標記模型,
則僅需透過辭典遮罩,即可將系統斷詞效能提升至 0.963 。
關鍵字: 自然語言處理,隱藏式馬可夫模型,中文斷詞,條件隨機域
∗國立中央大學資訊工程學系
E-mail: chia@.tw
The author for correspondence is Chia-Hui Chang.
162 林千翔 等
Abstract
In many Chinese text processing tasks, Chinese word segmentation is a vital and
required step. Various methods have been proposed to address this problem using
machine learning algorithm in previous studies. In ord
您可能关注的文档
- 箕状断陷湖盆湖底扇特征及油气勘探.PDF
- 管棚注浆法过断层施工中喷孔分析.PDF
- 管道离心泵的安装关键技术:水泵安装高度即吸程选用一 - YUY泵网.PDF
- 篇名太阳能电池之功能及利弊.PDF
- 管辖错误与再审事由 - 法学研究.PDF
- 类似商品和服务区分表 第一类用于工业科学摄影农业园艺森林 .DOC
- 篇名定址式无线广播器作者朱咸品公立松山工农高三电子科仁班 .PDF
- 类岩石裂纹压剪流变断裂与亚临界扩展试验及破坏机制 - 岩土工程学报.PDF
- 精做直身裙外观质量标准.DOC
- 粘性泥石流的堆积地貌及沉积物的特征 - 水土保持通报.PDF
- 2024.10.10修改.鹤煤公司“一优三减”三年工作方案(1).docx
- 2024年11月25日鹤煤公司对三矿11月份机关月度隐患排查.doc
- 江苏专用2024年高考历史一轮复习专题五当今世界政治格局的多极化趋势第14讲两极世界的形成练习含解析新人教版.doc
- 2024_2025高中语文第四单元第7课娜塔莎一教案新人教版选修外国小说欣赏.doc
- 2025版高中英语Unit1FriendshipLearningaboutLanguage学案新人教版必修1.doc
- 统考版2025版高考物理一轮复习第十三章热学第2讲固体液体与气体学生用书.docx
- 统考版2025版高考地理一轮复习第一部分自然地理第三章地球上的大气第6讲冷热不均引起大气运动学生用书.docx
- 2024高考英语一轮复习Module4ASocialSurvey_MyNeighbourhood学案外研版必修1.doc
- 2025届高考语文一轮复习题型强化训练“语言文字运用”板块限时练2含解析.docx
- 统考版2025版高考物理一轮复习第二章相互作用实验二探究弹簧弹力与形变量的关系学生用书.docx
最近下载
- 工程结构健康监测技术规程.pdf VIP
- YST 509.1-2008锂辉石、锂云母精矿化学分析方法 氧化锂、氧化钠、氧化钾量的测定 火焰原子吸收光谱法.pdf
- 社区获得性肺炎诊断和治疗指南.pdf VIP
- 初中美术七年级下册(2024)湘美版(2024)合集.docx
- 解剖独立代理人制度.pptx
- 14日天津市直机关遴选面试真题及解析.docx VIP
- 中央银行学(第五版)全套PPT课件.pptx
- 天翼云解决方案架构师(高级)认证资格考试题(附答案).doc VIP
- 房地产-新发展模式展望系列二:新加坡凯德集团:开发投管有机联动,资产管理能力卓著.pdf VIP
- 新标准大学英语(第二版)综合教程2 课后练习答案.pdf
文档评论(0)