采用无标注语料和词“粘连”剔除策略的韵律短语识别

• 作者: 蔡滢滢 钱揖丽
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 无标注语料 韵律短语边界 最大熵(ME) 互信息
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 2015年中国计算机学会人工智能会议
• 页码范围: 51-56
• 页数: 6页
• 分类号: TP391
• 字数: 6458字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.2.011

摘要

针对人工标注韵律结构获取大规模语料的困难和问题,利用标点符号能够表示停顿的性质,提出一种采用无标注语料和词“粘连”剔除策略的韵律短语识别方法.对标点符号划分等级,并在利用其模拟韵律边界时对其赋予不同的权重.基于无标注语料构建最大熵模型,并采取Top-K方法实现句子韵律短语边界的自动预测.通过计算相邻语法词词性间的互信息对句子进行“粘连”处理,生成“粘连”单元,并对出现在其内部的韵律边界进行剔除,实现韵律短语的自动识别.实验结果表明,获取无标注语料时对标点进行分级利用及采用“粘连”剔除策略能够明显提升模型性能,该方法能够获得较好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱揖丽	山西大学计算机与信息技术学院	15	142	7.0	11.0
5	蔡滢滢	山西大学计算机与信息技术学院	1	2	1.0	1.0