基于层叠隐马模型的汉语词法分析

《基于层叠隐马模型的汉语词法分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于层叠隐马模型的汉语词法分析基于层叠隐马模型的汉语词法分析基于层叠隐马模型的汉语词法分析?刘群1,3张华平1,2俞鸿魁1程学旗11中国科学院计算技术研究所北京1000802中国科学院研究生院北京1000393北京大学计算语言学研究所北京100871E-mail:{liuqun,zhanghp,yuhongkui,cxq}@ict.ac.cn摘要:本文提出了一种基于层叠隐马模型的汉语词法分析方法，旨在将汉语分词、词性标注、切分排歧和未登录词识别集成到一个完整的理论框架中。在分词方面，采取的是基于类的隐马

2、模型，在这层隐马模型中，未登录词和词典中收录的普通词一样处理。未登录词识别引入了角色HMM：Viterbi算法标注出全局最优的角色序列，然后在角色序列的基础上，识别出未登录词，并计算出真实的可信度。在切分排歧方面，作者提出了一种基于N-最短路径的策略，即：在早期阶段召回N个最佳结果作为候选集，目的是覆盖尽可能多的歧义字段，最终的结果会在未登录词识别和词性标注之后，从N个最有潜力的候选结果中选优得到。不同层面的实验表明，层叠隐马模型的各个层面对汉语词法分析都发挥了积极的作用。作者实现了基于层叠隐马模型的汉

3、语词法分析系统ICTCLAS，该系统在2002年的973专家组评测中获得第一名，在2003年汉语特别兴趣研究组(theACLSpecialInterestGrouponChineseLanguageProcessing,SIGHAN)组织的第一届国际汉语分词大赛中综合得分获得两项第一名、一项第二名。这表明：ICTCLAS是目前最好的汉语词法分析系统之一，层叠隐马模型能够解决好汉语词法问题。关键词:汉语词法分析;分词;词性标注;未登录词识别;层叠隐马模型;ICTCLAS中图法分类号:TP391.2文献标识

4、码:AChineseLexicalAnalysisUsingCascadedHiddenMarkovModelLIUQun1,3ZHANGHua-Ping1,2YUHong-kui1CHENGXue-Qi11InstituteofComputingTechnology,TheChineseAcademyofSciences,Beijing,100080CHINA2GraduateSchooloftheChineseAcademyofSciences,Beijing,100039CHINA3Inst.of

5、ComputationalLinguistics,PekingUniversity,Beijing,100871CHINAEmail:{liuqun,zhanghp,yuhongkui,cxq}@ict.ac.cnAbstract:ThispaperpresentsanapproachforChineselexicalanalysisusingCascadedhiddenMarkovmodel(CHMM),whichaimstoincorporateChinesewordsegmentation,Par

6、t-Of-Speechtagging,disambiguationandunknownwordsrecognitionintoanintegratedtheoreticalframe.Aclass-basedHMMisappliedinwordsegmentation,andinthismodelunknownwordsaretreatedinthesamewayascommonwordslistedinthelexicon.Unknownwordsarerecognizedwithreliabilit

7、yonrolessequencetaggedusingViterbialgorithminrolesHMM.Asfordisambiguation,theauthorsbringforthann-shortest-pathstrategythat,intheearlystage,reservesthetopNsegmentationresultsascandidatesandcoversmoreambiguity.VariousexperimentsshowthateachlevelintheCHMMc

8、ontributestoChineselexicalanalysis.AnCHMM-basedsystemICTCLASwasaccomplished.Thesystemrankedtopintheofficialopenevaluation,whichwasheldby973projectin2002.AndICTCLASachieved2firstranksand1secondrankinthefirstinternationalwor