资源描述:
《基于N-最短路径方法的中文词语粗分模型》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于层叠隐马模型的汉语词法分析本文得到国家重点基础研究项目(G1998030507-4;G1998030510)和计算所领域前沿青年基金项目20026180-23资助刘群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
2、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
3、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
4、别;层叠隐马模型;ICTCLAS中图法分类号:TP391.2文献标识码:AChineseLexicalAnalysisUsingCascadedHiddenMarkovModelLIUQun1,3ZHANGHua-Ping1,2YUHong-kui1CHENGXue-Qi11InstituteofComputingTechnology,TheChineseAcademyofSciences,Beijing,100080CHINA2Graduate School of the Chinese Academy
5、 of Sciences,Beijing,100039CHINA3Inst.ofComputationalLinguistics,PekingUniversity,Beijing,100871CHINAEmail:{liuqun,zhanghp,yuhongkui,cxq}@ict.ac.cnAbstract:ThispaperpresentsanapproachforChineselexicalanalysisusingCascadedhiddenMarkovmodel(CHMM),whichaimst
6、oincorporateChinesewordsegmentation,Part-Of-Speechtagging,disambiguationandunknownwordsrecognitionintoanintegratedtheoreticalframe.Aclass-basedHMMisappliedinwordsegmentation,andinthismodelunknownwordsaretreatedinthesamewayascommonwordslistedinthelexicon.U
7、nknownwordsarerecognizedwithreliabilityonrolessequencetaggedusingViterbialgorithminrolesHMM.Asfordisambiguation,theauthorsbringforthann-shortest-pathstrategythat,intheearlystage,reservesthetopNsegmentationresultsascandidatesandcoversmoreambiguity.Variouse
8、xperimentsshowthateachlevelintheCHMMcontributestoChineselexicalanalysis.AnCHMM-basedsystemICTCLASwasaccomplished.Thesystemrankedtopintheofficialopenevaluation,whichwasheldby973projectin2002.AndICTCLASachieved2firstr