基于CNN和LSTM混合模型的中文词性标注

• 作者: 段鹏飞 谢逸 陈振东 饶文碧
• 来源期刊: 武汉大学学报（理学版）
• 学科: 工学
• 关键词: 词性标注 卷积神经网络 长短期记忆 实验分析
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 246-250
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14188/j.1671-8836.2017.03.009

摘要

中文词性标注具有重要的作用,它的准确性和标注速度直接影响到自然语言处理的后续任务.提出一种基于CNN(convolutional neural network)和LSTM(long-short term memory)混合模型进行中文词性标注.该模型采用三层结构,用词向量和CNN的滑动窗口特性产生词语表示特征,LSTM的时序性来产生词性标注的序列标签.分别在PFR《人民日报》语料库、CTB7.0和CoNLL09语料库上对该模型进行测试,在未加入任何人工特征的条件下,对词语进行词性标注,词性标注效果好于HMM(hidden Markov model)、MLP (multi-layer perceptron)、CNN和LSTM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	饶文碧	武汉理工大学计算机科学与技术学院	60	548	13.0	21.0
2	陈振东	武汉理工大学计算机科学与技术学院	4	33	2.0	4.0
3	段鹏飞	武汉理工大学计算机科学与技术学院	9	117	4.0	9.0
4	谢逸	武汉理工大学计算机科学与技术学院	1	30	1.0	1.0