基于轉換學習的詞性標注研究.pdf

1、隨著社會信息化的日益增強，互聯(lián)網越來越成為人們日常生活中的一-部分，人們越來越強烈地渴望用自然語言同計算機進行交流。但這有個前提就是計算機能夠理解人類的自然語言，這是一個很富有挑戰(zhàn)性的問題。這樣的問題稱作自然語言處理問題，而詞性標注作為這一領域淺層處理中最基礎最重要的技術對整個語言處理起著至關重要的作用。詞性標注應用的領域十分廣泛，包括語法分析、語音識別、文本分類、文本語音轉換、信息檢索、機器翻譯等諸多領域。同時，隨著機器學習算法的飛速

2、發(fā)展，各種機器學習方法先后被應用到詞性標注領域，有HMM算法、最大熵算法、決策樹算法、基于規(guī)則的算法等。而TBL就是一種基于規(guī)則的算法。雖然TBL算法從1995年出現(xiàn)到現(xiàn)在，已經有不少學者對它進行了一定的改進，已經比較成熟，但由于此算法在工作時需要占用大量的資源和性能進行規(guī)則的提取和評估，從而造成了算法自身訓練時間偏慢的特點。
　　 本文采用前人的研究思想，在原有算法的基礎上通過跳過那些評估分數很低，并且不能對語料庫的標注起到顯