基于膨胀卷积神经网络模型的中文分词方法

• 作者: 李超 王星 陈吉
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 中文分词 膨胀卷积 深度学习 自然语言处理
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 语言分析与计算
• 页码范围: 24-30
• 页数: 7页
• 分类号: TP391
• 字数: 5549字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2019.09.004

摘要

目前,许多深度神经网络模型以双向长短时记忆网络结构处理中文分词任务,存在输入特征不够丰富、语义理解不全、计算速度慢的问题.针对以上问题,该文提出一种基于膨胀卷积神经网络模型的中文分词方法.通过加入汉字字根信息并用卷积神经网络提取特征来丰富输入特征;使用膨胀卷积神经网络模型并加入残差结构进行训练,能够更好理解语义信息并提高计算速度.基于Bakeoff 2005语料库的4个数据集设计实验,与双向长短时记忆网络模型的中文分词方法做对比,实验表明该文提出的模型取得了更好的分词效果,并具有更快的计算速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王星	辽宁工程技术大学电子与信息工程学院	27	164	8.0	12.0
2	陈吉	辽宁工程技术大学电子与信息工程学院	9	8	2.0	2.0
3	李超	辽宁工程技术大学电子与信息工程学院	21	46	4.0	5.0