典型文献
基于加权多策略选样的古文断句模型研究——以古籍《宋史》为例
文献摘要：
[目的/意义]旨在研究少量标注样本构建古文断句模型,减少在模型训练过程中样本标注所需的成本,为探索数字技术与人文学科的融合发展提供崭新的思路.[方法/过程]从古文样本的不确定性和多样性出发,提出一种加权多策略选样方法,有效结合了 BERT-BiLSTM-CRF、BERT-CRF等古文断句模型.通过引入信息熵和相似性等概念,深入分析古籍文本的不确定性和多样性,运用加权计算评估古文样本对模型训练的价值高低,对加权多策略方法所筛选的有价值样本进行人工标注,同时更新到训练集进行模型迭代训练.[结果/结论]以古籍《宋史》为例进行研究,所提出的方法分别在BERT-BiLSTM-CRF、BERT-CRF等古文断句模型训练过程中减少原来训练样本量的50％、55％,进一步验证了方法的有效性.[创新/局限]加权多策略选样的方法为古文断句模型训练提供了一种新思路,未来将探索该方法在古籍整理中其他任务的适用性.
文献关键词：
古文断句;主动学习;数字人文;选样策略;BERT
中图分类号：
作者姓名：
张景素;魏明珠
作者机构：
华中科技大学人文学院,湖北武汉430074;吉林大学商学与管理学院,吉林长春130012
文献出处：
引用格式：
[1]张景素;魏明珠-.基于加权多策略选样的古文断句模型研究——以古籍《宋史》为例)[J].情报科学,2022(10):164-170
A类：
古文断句,选样策略
B类：
多策略,宋史,模型训练,训练过程,样本标注,技术与人文,人文学科,选样方法,有效结合,BERT,BiLSTM,CRF,信息熵,策略方法,训练集,模型迭代,迭代训练,训练样本,样本量,古籍整理,主动学习,数字人文
AB值：
0.237714
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
