融合无监督特征的藏文分词方法研究

• 作者: 于洪志 何向真 加羊吉 李亚超 江静
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 藏文 分词 序列标注
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 少数民族语言信息处理
• 页码范围: 71-75,85
• 页数: 6页
• 分类号: TP391
• 字数: 4686字
• 语种: 中文

摘要

藏文分词是藏文信息处理的基础性关键问题,目前基于序列标注的藏文分词方法大都采用音节位置特征和类别特征等.该文从无标注语料中抽取边界熵特征、邻接变化数特征、无监督间隔标注等无监督特征,并将之融合到基于序列标注的分词系统中.从实验结果可以看出,与基线藏文分词系统相比,分词F值提高了0.97％,并且未登录词识别结果也有较大的提高.说明,该文从无标注数据中提取出的无监督特征较为有效,和有监督的分词模型融合到一起显著提高了基线分词系统的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于洪志	西北民族大学中国民族语言文字信息技术重点实验室	157	612	12.0	16.0
2	加羊吉	西北民族大学中国民族语言文字信息技术重点实验室	12	99	6.0	9.0
3	何向真	西北民族大学中国民族语言文字信息技术重点实验室	20	53	4.0	5.0
4	江静	西北民族大学中国民族语言文字信息技术重点实验室	8	35	3.0	5.0
5	李亚超	西北民族大学中国民族语言文字信息技术重点实验室	13	141	6.0	11.0