融合深度神经网络与统计学习的印地语词性标注方法研究

• 作者: 丁曾强 李霞 王连喜 邓致妍 钟准
• 来源期刊: 湖南工业大学学报
• 学科: 工学
• 关键词: 印地语 词性标注 深度神经网络 统计学习 条件随机场
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 非通用语种智能处理研究
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP391.1
• 字数: 4403字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-9833.2020.03.003

摘要

针对统计模型受限于标注语料规模且不能捕获标注序列的上下文信息问题,提出一种融合深度学习和统计学习的印地语词性标注模型.该模型具有3层逻辑结构,首先在词表示层采用深度神经网络框架训练出印地语单词的形态特征,并利用word2vec方法对语料训练生成具有语义信息的低维度稠密实数词向量,然后在序列表示层将形态特征和词向量作为深度神经网络模型的输入并进行训练,得到输入序列的信息特征,最后在CRF推理层利用深度神经网络模型的输出状态和当前的转移概率矩阵作为CRF模型的参数,最终得到最优的标签序列.对提出的方法与其他方法进行了对比实验,结果表明融合深度学习和统计模型的方法较其他几种统计模型的性能有显著的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李霞	广东外语外贸大学广州市非通用语种智能处理重点实验室	41	308	10.0	15.0
2	王连喜	广东外语外贸大学广州市非通用语种智能处理重点实验室	16	233	7.0	15.0
6	邓致妍	广东外语外贸大学广州市非通用语种智能处理重点实验室	3	0	0.0	0.0
10	钟准	广东外语外贸大学信息科学与技术学院	1	0	0.0	0.0
11	丁曾强	广东外语外贸大学信息科学与技术学院	1	0	0.0	0.0