基于LSTM网络的中文地址分词法的设计与实现.PDFVIP

———————————————————————————————————————————————— 基于LSTM 网络的中文地址分词法的设计与实现 作者 张文豪，卢山，程光 机构 武汉邮电科学研究院；南京烽火软件科技有限公司；东南大学 计算机科学与工程学院 基金项目 国家“863”计划资助项目（2015AA015603）；国家自然科学基金资助项目 预排期卷 《计算机应用研究》2018 年第35 卷第12 期 摘要 当前中文地址的分词法主要采用基于规则和传统机器学习的方法。这些方法需要人工长期维 护词典和提取特征。为避免特征工程和减少人工维护，提出了将长短时记忆（long short-term memory，LSTM）网络和双向长短时记忆（bi-directional long short-term memory ，Bi-LSTM） 网络分别应用在中文地址分词任务中，并采用四词位标注法以及增加未标记数据集的方法提 升分词性能。在自建数据集上的实验结果表明，中文地址分词任务应用Bi-LSTM 网络结构能 得到较好性能，在增加未标记数据集的情况下，可以有效提升模型的性能。 关键词 中文地址；分词；LSTM ；未标记数据集 作者简介 张文豪（1993- ），男，安徽阜阳人，硕士研究生，主要研究方向为自然语言处理 （727448050@）；卢山（1978-），男，副教授，博士，主要研究方向为复杂系统、非 线性时间序列分析、数据库、数据流管理系统；程光（1973-），男，教授，博士，主要研究 方向为网络空间安全监测和防护、网络大数据分析． 中图分类号 TP391 访问地址 /article/02-2018-12-033.html 发布日期 2017 年12 月8 日 引用格式 张文豪, 卢山, 程光. 基于 LSTM 网络的中文地址分词法的设计与实现[J/OL]. 2018, 35(12). [2017-12-08]. /article/02-2018-12-033.html. 35 12 Vol. 35 No. 12 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publication 基于LSTM 网络的中文地址分词法的设计与实现 * 1, 2 2 3 张文豪 ，卢 山 ，程 光 (1. , 430074; 2. , 210019; 3. 武汉邮电科学研究院 武汉 南京烽火软件科技有限公司 南京 东南大学 计算机科学与工 , 211189) 程学院 南京 摘 要：当前中文地址的分词法主要采用基于规则和传统机器学习的方法。这些方法需要人工长期维护词典和提取特 long short-term memory LSTM 征。为避免特征工程和减少人工维护，提出了将长短时记忆（