2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、命名實體識別對文本中固有名稱、標(biāo)識進行識別,是自然語言處理的基礎(chǔ)任務(wù)之一,被廣泛用于信息抽取、機器翻譯、信息檢索等多種任務(wù)中。命名實體識別在多種領(lǐng)域已經(jīng)取得了較好的識別效果,但識別方法多根據(jù)領(lǐng)域文本特點設(shè)計,不具有普遍性與適應(yīng)性。經(jīng)過調(diào)研與分析,本文嘗試使用基于條件隨機場、自學(xué)習(xí)算法和主動學(xué)習(xí)算法相結(jié)合的方式,實現(xiàn)一個特定領(lǐng)域命名實體識別的通用方法,適用大多數(shù)特定領(lǐng)域。
  特定領(lǐng)域命名實體識別的通用方法實現(xiàn)過程中有兩個難點。首先

2、,使用條件隨機場對特定領(lǐng)域進行命名實體識別時,根據(jù)領(lǐng)域特性選取的特征具有領(lǐng)域獨立性,且選取特征的人員需要豐富的專業(yè)領(lǐng)域知識。其次,特定領(lǐng)域文本的大規(guī)模標(biāo)注語料難以獲取。針對上述兩個難點,本文完成了以下工作:
  (1)基于詞向量相似度特征的條件隨機場訓(xùn)練。首先使用Word2vec進行詞向量訓(xùn)練,通過詞向量本身驗證詞向量包含豐富的語義和領(lǐng)域特性,以及不同語料與不同維度的詞向量具有一定的差異性。然后選取任何領(lǐng)域都包含的通用統(tǒng)計特征,以

3、及詞向量相似度特征,以遞增式學(xué)習(xí)的策略選擇最小完備特征集合參與條件隨機場的訓(xùn)練,使得模型具有適應(yīng)性和領(lǐng)域性。本文在交通領(lǐng)域文本驗證了該方法,實驗結(jié)果表明,詞向量相似度特征對提高識別效果有積極的作用。但由于標(biāo)注樣本過少,識別效果仍不理想。
  (2)在基于使用詞向量相似度特征的條件隨機場的基礎(chǔ)上,采用自學(xué)習(xí)算法和主動學(xué)習(xí)算法相結(jié)合的方式進一步訓(xùn)練模型。迭代過程中,利用主動學(xué)習(xí)選取低置信度樣本進行人工標(biāo)注,克服了自學(xué)習(xí)算法選取過多與原

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(dān)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。

評論

0/150

提交評論