已閱讀1頁,還剩46頁未讀, 繼續(xù)免費閱讀
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、自然語言處理(NLP)是一種讓計算機能夠理解人類語言的技術。其中,分詞技術是一種基礎任務。國際上常用的NLP算法,深層次的語法語義分析通常都是以詞作為基本單位,分詞通常是NLP的首要任務。當建立NLP領域的模型時,往往需要建模人員掌握一定的語言學知識才能夠提取合適的特征。深度學習具有優(yōu)秀的泛化能力,能夠無監(jiān)督地基于數(shù)據(jù)抽取特征,深度學習的優(yōu)勢就在于,從訓練數(shù)據(jù)中學習到上下文信息特征,實驗者需要做的部分是設計神經(jīng)網(wǎng)絡的結構,提供優(yōu)質的訓練
2、數(shù)據(jù)。
本文構建了基于字嵌入的雙向長短期記憶網(wǎng)絡(LSTM)的中文分詞模型,細致地介紹模型的構建過程,參數(shù)設置,以及實驗過程。從分詞準確性角度評價隱馬爾科夫模型(HMM),條件隨機場(CRF),雙向LSTM的分詞效果。使用 Bakeoff2005的微軟研究院提供的語料作為測試語料,用該機構提供語料做封閉測試,模型切分結果的 F-測度(F-Measure)分別為,CRF:0.965,雙向LSTM:0.931,HMM:0.759;
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(wǎng)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(jīng)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Hadoop平臺的中文分詞算法應用研究.pdf
- 基于概念的中文分詞模型研究.pdf
- 基于主動學習的中文分詞方法研究.pdf
- 基于最大熵模型特征選擇算法的中文分詞增量學習研究.pdf
- 基于集成學習和深度學習的應用研究.pdf
- 基于統(tǒng)計學習的中文分詞改進及其在面向應用分詞中的應用.pdf
- 一種基于CRFs模型的中文分詞的研究與應用.pdf
- 基于后綴數(shù)組SALM模型的中文分詞研究.pdf
- 基于統(tǒng)計學習的中文分詞方法的研究.pdf
- 基于多目標優(yōu)化的中文分詞模型的研究.pdf
- 融合深度學習特征與淺層機器學習特征的中文分詞關鍵技術研究.pdf
- 中文分詞方法在農(nóng)業(yè)搜索中的應用研究.pdf
- 基于n-gram模型的中文分詞技術研究.pdf
- 基于局部Viterbi算法的中文分詞研究與應用.pdf
- 基于深度學習的圖像態(tài)勢感知應用研究.pdf
- 基于條件隨機場的中文分詞研究與應用.pdf
- CRFs模型下的中文自動分詞研究.pdf
- 中文分詞在聊天機器人中的應用研究.pdf
- 27157.中文分詞算法在gis中的應用研究
- 深度學習模型在網(wǎng)絡流量分類中的應用研究.pdf
評論
0/150
提交評論