基于循环神经网络序列标注的中文分词研究

• 作者: 刁琦 古丽米拉·克孜尔别克 张健 张志强 钟丽峰
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 自然语言处理 循环神经网络 序列标注 中文分词 监督学习
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP301.6
• 字数: 3277字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.10.014

摘要

分词是中文自然语言处理中的关键技术.在自然语言处理中,序列标注在中文分词中有着极其重要的应用.当前主流的中文分词方法是基于监督学习,从中文文本中提取特征信息.这些方法未能充分地利用上下文信息对中文进行分割,缺乏长距离信息约束能力.针对上述问题进行研究,提出在序列标注的前提下利用双向循环神经网络模型进行中文分词,避免了窗口对上下文大小的限制,可以获得一个词的前面和后面的上下文信息,通过增加上下文能够有效地解决梯度爆炸和爆的问题,然后再在输入层加入训练好的上下文词向量,取得相对较好的分词效果.实验结果表明,该算法的使用可以达到97.3%的中文分词准确率,与传统机器学习分词算法相比,效果较为显著.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	古丽米拉·克孜尔别克	新疆农业大学计算机与信息工程学院	32	67	4.0	5.0
2	张健		6	24	4.0	4.0
3	刁琦	新疆农业大学计算机与信息工程学院	6	18	3.0	4.0
4	张志强	新疆农业大学计算机与信息工程学院	5	14	2.0	3.0