基于门限卷积神经网络和词嵌入的中文分词法

• 作者: 刘暾东 张竞 陈美谦
• 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 深度学习 卷积神经网络 中文分词 词嵌入
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 自然语言处理专题
• 页码范围: 890-895
• 页数: 6页
• 分类号: TP391.1
• 字数: 4499字
• 语种: 中文
• DOI: 10.6043/j.issn.0438-0479.201804008

摘要

目前,许多研究者将神经网络模型应用到中文分词任务中,其表现虽然优于传统的机器学习分词法,但未能充分发挥神经网络自动学习特征的优势,且未使用词向量信息.针对该问题,提出基于门限卷积神经网络(gated convolutional neural networks,GCNNs)的中文分词法,并利用词嵌入方法将词向量融入模型中,使该模型在不需要大量特征工程的情况下可以自动学习二元特征.通过在简体中文数据集(PKU、MSRA和CTB6)上进行实验,结果表明,与以往的神经网络模型相比,在不依赖特征工程的情况下,该模型仍能取得较好的分词效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘暾东	厦门大学航空航天学院	52	255	9.0	13.0
2	陈美谦	集美大学轮机工程学院	21	95	6.0	9.0
3	张竞	厦门大学航空航天学院	1	1	1.0	1.0