汉语词性标注的特征工程

• 作者: 于江德 余正涛 周宏宇
• 来源期刊: 山东大学学报：工学版
• 学科: 工学
• 关键词: 汉语词性标注 最大熵模型 上下文特征 特征窗口 特征模板
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 12-17
• 分类号: TP391
• 语种: 中文

摘要

上下文特征对汉语词性标注性能有重要影响。为了提高标注性能,采用最大熵模型探讨了汉语词性标注的特征工程,对其中的两个关键问题：特征窗口大小和特征模板集的设定,本文作者进行了深入研究。在Bake-off2007的PKU、NCC、CTB 3种语料上进行了封闭测试,通过对＂5词语＂和＂3词语＂不同大小的特征窗口,以及单词语、双词语和两者混合的不同特征模板集进行汉语词性标注的训练过程和标注精度的对比实验,实验结果表明：3词特征窗口训练情况和标注性能均优于5词窗口;单词语特征模板集比双词语特征模板集标注性能高出10%。这说明汉语词性标注中特征窗口开设的大小以3词窗口为宜,单词语特征模板集标注性能更好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余正涛	昆明理工大学信息工程与自动化学院	122	877	17.0	24.0
2	周宏宇	安阳师范学院计算机与信息工程学院	19	105	5.0	10.0
3	于江德	安阳师范学院计算机与信息工程学院	33	345	10.0	17.0