一种优化的用于中文分词的CRF机器学习模型

• 作者: 徐向阳 王靖 符蓉
• 来源期刊: 科技与创新
• 关键词: 条件随机场 中文分词 字标注
• 年，卷（期）: 2010,（12）
• 页码范围: 169-170,147
• 分类号: TP391.12
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.12.070

摘要

目前效果最好的中文分词方法是基于字标注的机器学习方法.作为中文分词领域使用最广泛并且效果最好的机器学习模型,条件随机场(CRF)模型进行机器学习的代价很高,非常耗费时间和内存.通过对条件随机场机器学习模型的改进,增加模型导出功能和使其支持预定义Tag,降低了机器学习的代价.使用MSRA 2005开放测试语料库和6词位标注集,以及赵海博士提出的针对6词位的特征模板做实验,实验数据表明,改进后的模型缩短了机器学习的训练时间,提高了分词的速度,对F值也有小幅提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐向阳	湖南大学计算机与通信学院	37	306	10.0	16.0
2	王靖	湖南大学计算机与通信学院	3	15	2.0	3.0
3	符蓉	湖南大学计算机与通信学院	2	14	2.0	2.0