基于门循环单元神经网络的中文分词法

• 作者: 李雪莲 段鸿 许牧
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 自然语言处理 中文分词 门循环单元 字嵌入 循环神经网络
• 年，卷（期）: 2017,（2）
• 页码范围: 237-243
• 页数: 7页
• 分类号: TP391.1
• 字数: 4983字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201610023

摘要

目前,学术界主流的中文分词法是基于字符序列标注的传统机器学习方法,该方法存在需要人工定义特征、特征稀疏等问题.随着深度学习的研究和应用的兴起,研究者提出了将长短时记忆 (long short-term memory,LSTM)神经网络应用于中文分词任务的方法,该方法可以自动学习特征,并有效建模长距离依赖信息,但是该模型较为复杂,存在模型训练和预测时间长的缺陷.针对该问题,提出了基于门循环单元(gated recurrent unit,GRU)神经网络的中文分词法,该方法继承了LSTM模型可自动学习特征、能有效建立长距离依赖信息的优点,具有与基于LSTM神经网络中文分词法相当的性能,并在速度上有显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段鸿	厦门大学软件学院	3	49	3.0	3.0
2	李雪莲	厦门大学软件学院	1	33	1.0	1.0
3	许牧	厦门大学软件学院	1	33	1.0	1.0