典型文献
支持背景知识的多维端到端短语识别算法研究
文献摘要：
目前,实体识别与依存关系分析,采用的主要是基于监督学习的深度端到端方法.这种方法存在两个问题:不能引入背景知识;不能识别出自然语言的多粒度、嵌套特征.为了解决以上问题,提出了基于短语窗口的依存句法标注规则,并标注了中文短语窗口数据集(CPWD),同时设计了配套的多维端到端短语识别模型(MDM模型).该标注规则以短语为最小单位,把句子分成7类可嵌套的短语类型,同时标示出短语之间的依存关系.MDM模型不仅可以引入背景知识,识别出句子中的各类嵌套短语,而且可以识别出短语之间的依存关系.实验结果表明,该标注规则方便易用.同时,MDM模型比传统端到端算法能更有效地处理短语嵌套的问题.在CPWD数据集上实验,MDM模型比端到端方法在F1值上提高1个百分点以上.相应的方法应用到了CCL2018的中文隐喻情感分析比赛中,在原有基础上提升了1个百分点以上,并取得第一名成绩.
文献关键词：
自然语言处理;标注体系;短语识别;依存分析
中图分类号：
作者姓名：
刘广;涂刚;李政;刘译键;占志强
作者机构：
华中科技大学 计算机科学与技术学院,武汉 430074
文献出处：
引用格式：
[1]刘广;涂刚;李政;刘译键;占志强-.支持背景知识的多维端到端短语识别算法研究)[J].计算机工程与应用,2022(08):147-155
A类：
CPWD,CCL2018
B类：
背景知识,短语识别,识别算法,算法研究,实体识别,依存关系,关系分析,监督学习,端到端方法,多粒度,嵌套,依存句法,识别模型,MDM,句子,语类,时标,标示出,易用,理短,百分点,情感分析,第一名,自然语言处理,标注体系,依存分析
AB值：
0.29052
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。
