基于半督導(dǎo)機器學(xué)習(xí)的分詞算法的設(shè)計與實現(xiàn).pdf

1、詞是最小的能獨立運用的語言單位，漢語、日語等東方語言的一個顯著特點是文本中詞與詞之間沒有顯式的分隔標(biāo)記。因此，分詞在機器翻譯、信息檢索、文本分類等中文信息處理的各項任務(wù)中都發(fā)揮著基礎(chǔ)性的重要作用。研究工作具有以下特點：首先，以無督導(dǎo)機器學(xué)習(xí)方法為基本框架，基于未標(biāo)注語料庫，不使用人工詞典，建立語言模型，使用最大期望（EM）算法迭代地訓(xùn)練模型，優(yōu)化模型參數(shù)。為了進一步提高模型性能，防止EM固有的局部最優(yōu)問題以及所造成的粗分現(xiàn)象，研究并改

2、進了基于互信息的詞典修剪算法?？紤]到互信息能更好地反映兩個字之間的耦合性，對字符串進行劃分時，使用基于字符間互信息的方法代替了最大似然估計方法，找到詞中字與字之間相關(guān)性最弱的位置，有效提高了修剪正確率。其次，提出了一種具有主動學(xué)習(xí)能力的分詞算法，在主要利用大量未標(biāo)注數(shù)據(jù)的同時，能夠主動選擇少量最有價值的數(shù)據(jù)加以人工標(biāo)注，達(dá)到綜合使用未標(biāo)注數(shù)據(jù)和少量標(biāo)注數(shù)據(jù)訓(xùn)練語言模型的目的?；谏鲜龉ぷ鳎芯坎崿F(xiàn)了基于半督導(dǎo)機器學(xué)習(xí)的分詞系統(tǒng)。實驗