基于双向lstmn神经网络的中文分词研究分析

《基于双向lstmn神经网络的中文分词研究分析》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、：一ｒ曾玲變．．．巧；．ｆ．．／巧聲：；麵．；７年：Ｊ．运霞．蒙．掉％马＾．蔡雜韓敏心，嘯．．ｘｆ￡．Ｖ：带兵＞．ｒ襄：技覆擁賣募識暴當．蘇Ｓ／．：＃材ＭＶ产．警．ｒ說泣．－；ｉ讚私．．調－．．．賣麗！細以碱／暴藏ｒ知削藻烹’麵為缘．；．；鮮：繁庫Ｖ藝槪Ａ變．；．生论ｂ研究：ｔ心；祖＼少瑞节．＃申扛杉立．户箸讀為苗，：－：．‘，々．－．，Ｐ．．。一？：．，．瓣身＾＾鼓４巧麵神琴题昇，满＇：户＾：Ｉ麵；暢５ｕＣ；Ｋ；＼姓名讀：屬蘿取．？＞．Ｌ苗齡Ｉ．部．ｕ．；转－．，：．方向義訊魄

2、，尸－；Ｊ．接教师！ｆ授．．．．！＼．：，：．！．ｒ暮诲—Ｖ分。當咳八禱ｉ；第篡繞如狼苗養狼占．ｖ－ｔ：巧；．游：？：雲．＾：．＾鍵沪言，於，＃ｉ：讀＾：巍—－＾．＾ｉ．滅．．讀譯＾声．带編：＾ｄ想藥Ｉ象｜嚇￥續．学号：ＭＧＢ３２００６论文答辩日期：２０１６年５月２５曰指导教师；（签字）若心或一、基于双向ＬＳＴＭＮ神经网络的中文分词研究分析作者：黄积杨指导教师：赵志宏教授南京大学研究生毕业论文（申请工学硕±学位）

3、南京大学软件学院２０１６年５月ＣｈｉｎｅｓｅＷｏｒｄＳｅｇｍｅｎｔａｔｉｏｎＡｎａｌｙｓｉｓｂａｓｅｄｏｎＢｉｄｉｒｅｃｔｉｏｎａｌＬＳＴＭＮＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋＨｕａｎＪｉＹａｎｇ，ｇＳｕｂｍｉｎａｒｔｉａｌｆｕｌｆｌｌｍｔｈｒｉｒｔｒｉｔｔｅｄｐｉｅｎｔｏｆｅｅｑｕｅｍｅｎｓｆｏｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｉｎｅｅｒｉｎｇｇＳｕｅｒｖｉｓｅｄｂｐｙＰｒｏｆｅｓｓｏｒＺｈａｏＺｈｉＨｏｎ，ｇ

4、ＳｏｆｔｗａｒｅＩｎｓｔｉｔｕｔｅＮＡＮＪＩＮＧＵＮＩＶＥＲＳＩＴＹＮａｎｉｎｇＣｈｉｎａｊ，Ｍａ１６ｙ，２０南京大学硕±论文＾摘要，利用算法实现分词的方法基本上是基于字典在２００２年之前、词库匹配的。一在２００２年发表了第篇基于字标注的分词论文，首次把中文分词抽象成序列生一成序列的问题，随后在些模型上实现的基于字标注的分词系统取得了不错的效果，如：最大滴模型、隐含马尔可夫模型、条件随机场模型、支持向量机模型等。目前主流的分词系统使用的是条件随机场模型。在

5、２００６年深度学习的概念被提出，随后应用于计算机视觉、自然语言处理、语音识别等领域，，成功地取得诸多突破性的进展其中的递归神经网络更是被广泛运用于解决词性标注、翻译、命名实体识别等自然语言处理问题。把多数自然语言处理问题抽象成序列生成序列，并采用合适的递归神经网络结构处理，成为当前的热点和主流。基于字标注的分词本质上是序列生成序列的问题，因此本论文中，采用改进的双向长短期记忆神经网络实现中文分词。改进的长短期记忆单元与标准的长短期记忆单元不同在于，采用存储带来保存过去的信息，并通过注意

6、力机制合理利一用这些信息，个隐藏状态向量而造成的信息压缩避免仅仅向后传递。标准的长短期记忆神经网络能很好地解决词与词之间远距离的依赖关系，而双向长短期记一忆神经网络能捕获到句子中个词的上下文信息，从而网络结构能更好地理解语义并正确实现分词。同时提出标准双向长短期记忆神经网络层加注意力机制层的。方式实现中文分词，研究在不同位置上添加注意力机制对中文分词的影响关键词：深度学习、长短期记忆神经网络、中文分词、注意力机制Ｉ南京大学硕±论文ａｂｓｔｒａｃｔＡｂｓｔｒａｃｔＢｅｆｏｒ

7、ｅ２００２ｔｈｅｍｅｔｈｏｄｏｆｗｏｒｄｓｅｍｅｎｔａｔｉｏｎｔｈａｔｕｓｉｎａｎａｌｏｒｉｔｈｍｔｏｉｍｐｌｅｍｅｎｔ，ｇｇｇ．ｉｓｅｓｓｅｎｔｉａｌｌｂａｓｅｄｏｎａｄｉｃｔｉｏｎａｒａｎｄｔｈｅｓａｕｒｕｓｍａｔｃｈｉｎｇＩｎ２００２ｔｈｅｆｉ巧ｔａｅｒａｓｅｙｙ，ｐｐｂｏｎｔｈｅｗｏｒｄｌａｂｅｌｔｏｓｅｍｅｎｔａｔｉｏｎｉｓｐｕｂｌｉｓｈｅｄ．ＦｏｒｔｈｅｆｉｒｓｔｔｉｍｅｔｈｅＣｈｉｎｅｓｅｗｏｒｄｇ，ｓｅｇｍ

8、ｅｎｔａｔｉｏｎｉｓａｂｓｔｒａｃｔｅｄａｓｔｈｅｐｒｏｂｌｅｍｏｆｓｅｑｕｅｎｃｅｇｅｎｅｒａｔｉｏｎｓｅｑｕｅｎｃｅ．ＳｕｂｓｅｑｕｅｎｔｌｙｔｈｅｗｏｒｄｓｅｇｍｅｎｔａｔｉｏｎｓｙｓｔｅｍｔｈａｔｉｍｐｌｅｍｅｎｔｅｄｂａｓｅｄｏｎｗｏｒｄｌａｂｅｌｏｎｓｏｍｅｍｏｄｅｉｌｔＭＥＭ．ｌｓｈａｓａｃｈｅｖ