中文時(shí)間表達(dá)式識(shí)別研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩62頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息處理技術(shù)的飛速發(fā)展,命名實(shí)體識(shí)別技術(shù)越來(lái)越多的受到人們的關(guān)注。本文所研究的時(shí)間表達(dá)式識(shí)別,就是命名實(shí)體識(shí)別領(lǐng)域一項(xiàng)基礎(chǔ)而重要的任務(wù)。
  時(shí)間表達(dá)式在自然語(yǔ)言處理領(lǐng)域有著非常廣泛的應(yīng)用。在主題檢測(cè)與跟蹤任務(wù)中,可以用時(shí)間來(lái)定位事件發(fā)生的先后順序;在自動(dòng)問(wèn)答系統(tǒng)中,可以用來(lái)回答和時(shí)間相關(guān)的問(wèn)題,如“多久,何時(shí)”;在機(jī)器翻譯任務(wù)中,時(shí)間順序的定位可以讓譯文更加通順易讀;甚至在網(wǎng)頁(yè)結(jié)構(gòu)分析方面,也有研究利用時(shí)間表達(dá)式特征提高網(wǎng)頁(yè)

2、分析精度。
  時(shí)間表達(dá)式識(shí)別技術(shù)主要分為兩類:基于機(jī)器學(xué)習(xí)的序列標(biāo)注方法和基于規(guī)則的方法。本文分別對(duì)這兩類方法進(jìn)行了深入而細(xì)致的研究。
  對(duì)于序列標(biāo)注方法,本文介紹了目前主流的有監(jiān)督學(xué)習(xí)模型:條件最大熵和條件隨機(jī)場(chǎng),并且分別使用兩種模型實(shí)現(xiàn)了完整的中文時(shí)間表達(dá)式識(shí)別系統(tǒng)。實(shí)驗(yàn)結(jié)果顯示,雖然序列標(biāo)注方法在命名實(shí)體識(shí)別領(lǐng)域占據(jù)主流地位,但是對(duì)于時(shí)間表達(dá)式識(shí)別任務(wù),基于條件最大熵模型構(gòu)建的系統(tǒng)F-score達(dá)到79.1%,基于

3、條件隨機(jī)場(chǎng)模型構(gòu)建的系統(tǒng)F-score達(dá)到79.5%,兩者都無(wú)法很有效的完成時(shí)間表達(dá)式識(shí)別任務(wù)。
  目前,時(shí)間表達(dá)式識(shí)別領(lǐng)域,最為廣泛使用的仍然是經(jīng)典的基于規(guī)則的方法,本文也針對(duì)基于規(guī)則的方法進(jìn)行了深入的探索。首先,構(gòu)建人工規(guī)則庫(kù):然后,為了提高召回率,解決人工消耗問(wèn)題,設(shè)計(jì)了基于訓(xùn)練語(yǔ)料自動(dòng)學(xué)習(xí)規(guī)則的時(shí)間表達(dá)式識(shí)別算法,這樣做充分利用了訓(xùn)練語(yǔ)料中大量的已標(biāo)注信息;接著,為了提高正確率,本文又結(jié)合錯(cuò)誤驅(qū)動(dòng)思想進(jìn)行規(guī)則剪枝,削減了

4、規(guī)則自動(dòng)學(xué)習(xí)過(guò)程所帶來(lái)的“噪聲”;最終,為了進(jìn)一步提高系統(tǒng)整體識(shí)別性能,提出“時(shí)間基元”概念,并將自然語(yǔ)言處理領(lǐng)域中的分詞技術(shù)應(yīng)用到“時(shí)間基元”規(guī)則的構(gòu)建中來(lái),實(shí)驗(yàn)結(jié)果顯示,該算法顯著的提高了時(shí)間表達(dá)式識(shí)別的整體性能。
  “自動(dòng)構(gòu)建時(shí)間基元規(guī)則庫(kù)”算法是本文的主要?jiǎng)?chuàng)新工作,它是一種基于正則文法的時(shí)間表達(dá)式識(shí)別算法:它基于“時(shí)間基元”進(jìn)行規(guī)則構(gòu)建,提高了時(shí)間表達(dá)式識(shí)別的召回率;同時(shí)使用基于錯(cuò)誤驅(qū)動(dòng)思想的規(guī)則剪枝算法,提高了識(shí)別的正

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論