利用源域结构的粒迁移学习及词性标注应用ExploitingSourceDomain.PDF

文章编号：1003-0077 （2011）00-0000-00 利用源域结构的粒迁移学习及词性标注应用 1,2 1 2 3 孙世昶 ，林鸿飞 ，孟佳娜 ，刘洪波 （1. 大连理工大学计算机学院，辽宁 大连，116023 ； 2. 大连民族大学计算机学院，辽宁 大连，116600； 3. 大连海事大学信息科学技术学院，辽宁 大连，116026） 摘要：迁移学习在一定程度上减轻了目标域的数据稀疏问题对泛化能力的影响，然而泛化能力的提高仍然 受到负迁移等问题的影响。为了解决负迁移问题，本文提出使用源域结构的文本语料的信息粒化方法，用 区间信息粒表示出源域数据集的结构对数据集中统计量的影响。然后提出区间二型模糊隐马尔可夫模型 (Interval type-2 fuzzy Hidden Markov Model, IHMM) 以处理区间信息粒。给出了IHMM 的构建方法和去 模糊化方法。在文本的词性标注任务中进行了多个实验，可以证实利用源域结构信息的粒迁移学习方法避 免了负迁移，提高了模型的泛化能力。 关键词：迁移学习；粒计算；区间信息粒；词性标注 中图分类号：TP391 文献标识码：A Exploiting Source Domain Structure in Granular Transfer Learning with Part-of-speech Tagging Appllication 1,2 1 2 3 Sun Shichang , Lin Hongfei , Meng Jiana , Liu Hongbo (1. Dalian University Of Technology, Liaoning Dalian, 116023 2. Dalian Nationality University, Liaoning Dalian, 116600 3. Information Science and Technology College, Dalian Maritime University, Liaoning Dalian, 116626) Abstract: Transfer learning solves the data sparseness problem to some extent, but the generalization capacity is still hindered by negative-transfer problem. For this, we propose an information granulation method for text corpora based on source domain structure. Interval granules are employed to express the influence of source domain structure on statistics of the dataset. Then we propose Interval type-2 fuzzy Hidden Markov Model (IHMM) to deal with the interval granules. The construction and defuzzification methods are given. Many experiments in text sequence labeling tasks verify that source domain structure based granular transfer learning avoids negative-transfer and improves generalization