

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、標注任務是自然語言處理中的基礎任務,有著廣泛的應用?,F(xiàn)有的標注方法普遍存在兩種缺陷:1、通用性不高,模型表現(xiàn)很依賴針對具體任務設計的輸入特征,對于新任務往往需要花費大量時間精力來重新設計、實驗篩選特征以獲取一個相對滿意的表現(xiàn)。2、模型預測當前詞的標注時只考慮了一個有限寬度的上下文窗口內的信息,未能利用整句的信息。
針對這兩種缺陷,本文提出了一種基于雙向長短時記憶(BLSTM)循環(huán)神經網絡(RNN)的通用標注模型。BLSTM-R
2、NN具有強大的時序建模能力,理論上可以利用全部時刻的輸入信息來預測某一時刻的輸出,克服了過去模型只能利用有限窗口范圍內信息的問題。我們只使用了非常簡單的輸入特征——當前詞以及大小寫特征,并使用詞嵌套(word embedding)作為額外的補充信息。這些特征適用于幾乎全部自然語言標注任務,具有很好的通用性。
我們還針對BLSTM-RNN模型提出了一種新的訓練詞嵌套的方法,該方法可以在大量未標注語料上自動學習獲取詞嵌套。詞嵌套的
3、獲取與BLSTM-RNN模型的訓練獨立,且不依賴任何針對特定任務的相關知識,因此不影響模型的通用性。
我們在三個經典的標注任務:詞性標注,語塊切分與命名實體識別的標準測試語料上對本文所提方法進行了評測。在只使用同一套輸入特征、模型結構與訓練參數(shù)的情況下,我們的標注模型在每個任務上的表現(xiàn)都接近甚至超過了各任務中的已有最好方法的表現(xiàn),顯著超過了已有最好的通用標注模型的表現(xiàn)。我們提出的訓練詞嵌套的方法也超過了其它已有的詞嵌套訓練方法
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經網絡的自然語言語義表征方法研究.pdf
- 基于遞歸神經網絡的中文自然語言處理技術研究.pdf
- 自然語言處理中序列標注模型的研究.pdf
- 基于神經網絡的自然語言語義表達及推理方法研究.pdf
- 語言層先驗知識對若干自然語言處理任務中神經網絡模型的影響研究.pdf
- 神經語言模型在自然語言處理中的應用.pdf
- 基于自然語言處理的專利文檔自動語義標注方法研究.pdf
- 基于自然語言處理的專利文檔自動語義標注方法研究
- 基于自然語言理解的中文分詞和詞性標注方法的研究.pdf
- 基于神經網絡語言模型的代碼分析方法研究.pdf
- 基于統(tǒng)計的自然語言處理.pdf
- 基于自然語言處理的社交網絡數(shù)據(jù)挖掘研究.pdf
- 自然語言的計算機處理模型.pdf
- 基于本體和規(guī)則的受控自然語言系統(tǒng)模型研究.pdf
- 基于循環(huán)神經網絡的蒙古文語言模型研究.pdf
- 自然語言理解的研究.pdf
- 自然語言處理中序列標注問題的聯(lián)合學習方法研究.pdf
- 自然語言編程研究.pdf
- 基于隱馬爾可夫模型的若干自然語言處理技術.pdf
- 基于自然語言處理的自動文摘系統(tǒng).pdf
評論
0/150
提交評論