基于深度学习的图解码依存分析研究进展

• 作者: 常宝宝
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 依存句法分析 图解码 深度学习
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 442-453
• 页数: 12页
• 分类号: TP391
• 字数: 11659字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2017.03.007

摘要

图解码依存分析方法是一种重要的依存分析方法,优点是解码具有全局最优的特点,能够找到模型意义下的全局最佳依存树.传统图解码依存分析模型大多采用基于特征的线性评分模型,常常需要选取大量的人工特征,这一方面耗时费力,加剧了模型过拟合的风险,另一方面也显著降低了系统的运行效率.同时由于采用子图分解策略,传统图解码分析中的特征提取严重受到子图规模的限制,无法提取具有全局意义的分析特征.深度图解码依存分析研究部分解决了这些问题,本文概要介绍了近年来几个代表性的深度图解码依存分析研究工作,总结了国内外在深度图解码依存分析方面的现状和进展.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常宝宝	北京大学计算语言学教育部重点实验室北京大学计算语言学研究所	27	445	12.0	21.0