一种基于层叠CRF古文断句与句读标记方法.docVIP

一种基于层叠CRF古文断句与句读标记方法.doc

  1. 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. 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. 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. 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. 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. 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. 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
一种基于层叠CRF古文断句与句读标记方法

一种基于层叠CRF的古文断句与句读标记方法   摘 要:针对利用自然语言理解技术进行古汉语断句及句读标注的主要挑战是数据稀疏问题,设计了一种六字位标记集,提出了一种基于层叠式CRF模型的古文断句与句读标记方法。基于六字位标集,低层模型用观察序列确定句子边界,高层模型同时使用观察序列和低层的句子边界信息进行句读标记。实验在5M混合古文语料上分别进行了封闭测试和开放测试,封闭测试断句与句读标注的??F??值分别达到96.48%和91.35%,开放测试断句与句读标注的??F??值分别达到71.42%和67.67%。   关键词:古汉语; 层叠条件随机场; 数据稀疏; 断句; 句读标注   中图分类号:TP391文献标志码:A   文章编号:1001-3695(2009)09-3326-04   doi:10.3969/j.issn.1001-3695.2009.09.036      Method of sentence segmentation and punctuating for ancient Chineseliteratures based on cascaded CRF   ZHANG He WANG Xiao-dong YANG Jian-yu ZHOU Wei-dong??3??   (1. College of Computer Information Technology, Henan Normal University, Xinxiang Henan 453007, China; 2. Beijing d-Ear Technologies Co., Ltd., Beijing 100085, China; 3. Institute of Information Science, Beijing Jiaotong University, Beijing 100044, China)   Abstract:Data sparseness is a primary challenge in sentence segmentation and punctuating for ancient Chinese literatures using?? natural language processing technology. In order to overcome this difficulty, designed a 6-tag set and proposed a method based on cascaded conditional random fields. The main idea was as follows: basing on the 6-tag set, a low level model determined the boundaries of sentences according to observation sequence and a high level model punctuated sentences taking consideration of both observation sequence and low level’s results. Done close test and open test based on approximate 5M mixed corpus respectively. The ??F?? measure of sentence segmentation and punctuation were 96.48% and 91.35% respectively in close test, and those were 71.42% and 67.67% respectively in open test.   Key words:ancient Chinese literatures; cascaded CRF; data sparseness; sentence segmentation; punctuating      0 引言      古汉语是中华民族悠久历史文化的积淀,利用自然语言理解技术对古文进行挖掘对发扬我国古代灿烂的历史文化具有重要意义。无标点符号是古代汉语的重要特点之一,大量未修订的古籍均是无标点符号的文本。本文针对古文句子缺少标点符号的问题,研究了条件随机场(conditional random fields, CRF)模型在古文句子切分与标点符号自动标注的应用,设计了在一个六字位标记集的基础上,提出基于层叠式条件随机场模型的古文断句与句读标记算法,开发出了集训练、解码、评测为一体的古文

文档评论(0)

189****7685 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档