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、許多中文自然語言處理任務需要以詞為單位的數(shù)據(jù),分詞是這樣的處理任務的第一步。在中文句子中,除了有標點符號用來斷句外,字與字緊密相連,某個字串是否成詞往往與上下文有關。這與英文等語言很不相同:英文中有空格符作為詞語的分割標記,而中文卻沒有類似標記。由于上下文是一個相對模糊的概念,這使得分詞成為一項困難的任務。隨著統(tǒng)計機器學習方法的成熟,其應用領域也逐漸擴展?;诮y(tǒng)計機器學習方法的利用字標注思想的分詞方法在中文分詞任務中取得了很好的效果。研
2、究人員將研究較為成熟的詞性標注思想引入到中文分詞中來,使得中文分詞方法的準確率得到極大的提升。
本文介紹了兩個統(tǒng)計模型:最大熵模型和線性鏈條件隨機場模型,重點關注它們的推導過程和在基于字標注的分詞方法中的應用。本文使用了較大篇幅詳細介紹模型的推導過程,以加深對模型的理解及利于模型的實現(xiàn)。在此基礎上,本文利用這兩個模型設計了分詞方法,并就分詞過程中涉及的多個步驟設計了改進方法:對于模型訓練,本文分析了模型實現(xiàn)時重要的數(shù)據(jù)結構、提
3、出了多線程優(yōu)化方法;對于基于最大熵模型的分詞方法,本文優(yōu)化了最大熵模型的表示、提出了一種新的屬于動態(tài)規(guī)劃方法的預測算法。同時,本文通過實驗討論了多線程優(yōu)化對于訓練時間的影響、增加標記集合和增加特征對于分詞精度的影響。
本文的實驗結果表明,多線程優(yōu)化技術可以有效減少模型的訓練時間。同時,本文提出的預測方法在性能上優(yōu)于傳統(tǒng)方法,而在準確度上也略優(yōu)于傳統(tǒng)方法,這意味著將更多的用于后處理的技術用于分詞階段有利于提高分詞精度。另外,本文
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
- 基于字位的中文分詞方法研究與實現(xiàn).pdf
- 基于樹形結構的中文分詞方法的研究及實現(xiàn).pdf
- 基于CRF的中文分詞研究與實現(xiàn).pdf
- 基于雙數(shù)組的分詞詞典研究與實現(xiàn).pdf
- 基于CRFs的中文分詞算法研究與實現(xiàn).pdf
- 基于crfs的中文分詞算法研究與實現(xiàn)
- 基于本體的中文分詞算法的研究與實現(xiàn).pdf
- 基于網格的分詞服務系統(tǒng)的研究與實現(xiàn).pdf
- 基于語法的分詞系統(tǒng)的設計與實現(xiàn).pdf
- 基于Lucene的中文分詞技術研究與實現(xiàn).pdf
- 基于實例的中文分詞系統(tǒng)設計與實現(xiàn).pdf
- 基于SegTree的漢語分詞系統(tǒng)的設計與實現(xiàn).pdf
- 基于詞典的中文分詞算法改進與實現(xiàn).pdf
- 基于條件隨機場的中文分詞技術的研究與實現(xiàn).pdf
- 中文分詞算法的研究與實現(xiàn).pdf
- 基于詞庫與貝葉斯定理的中文單詞分詞方法的研究.pdf
- 基于Hash機制的分詞詞典的設計與實現(xiàn).pdf
- 基于主動學習的中文分詞方法研究.pdf
- 中文分詞算法的研究與實現(xiàn)
- 基于無詞庫的中文分詞方法的研究.pdf
評論
0/150
提交評論