hmm在短語(yǔ)識(shí)別上之應(yīng)用-資料下載頁(yè)
2024-10-19 21:09本頁(yè)面
【導(dǎo)讀】網(wǎng)路的搜尋得到資訊。面臨資料量與耗費(fèi)時(shí)間比率的問(wèn)題。如何在許多文章中尋找符合範(fàn)圍的文章。利用資訊萃取及其相關(guān)技術(shù)，減少判斷的時(shí)間及。俞士汶段慧明朱學(xué)鋒在基於現(xiàn)代漢語(yǔ)語(yǔ)。近年來(lái)短語(yǔ)辨識(shí)是以語(yǔ)料庫(kù)的標(biāo)注作為判斷基礎(chǔ)。Church進(jìn)一步把HMM用於識(shí)別英語(yǔ)中。標(biāo)注詞性的語(yǔ)料中人工或半自動(dòng)標(biāo)注NP邊界，間出現(xiàn)以上5種狀態(tài)的概率。成為短語(yǔ)邊界標(biāo)注根據(jù)。孫宏林俞士汶層句法分析方法概述，《當(dāng)代語(yǔ)言學(xué)》中提到詞類(lèi)序列看成隨機(jī)事件，互資訊值越高，X和Y組成短語(yǔ)的可能性越大，隱藏式馬可夫模型：。林千翔、張嘉惠在基於特製隱藏式馬可夫。，計(jì)算某一特定輸出序列的機(jī)率，，尋找最可能可以產(chǎn)生某一特定。林一中、洪鵬翔Probabilisticnamed. 在中文裡每個(gè)最小的單位是「字」，因此在中文。等標(biāo)示出來(lái)，將會(huì)。HMM是一個(gè)雙重隨機(jī)過(guò)程，兩個(gè)組成部分︰。馬爾可夫鏈︰表示狀態(tài)的轉(zhuǎn)移，用轉(zhuǎn)移機(jī)率描述。[1]林千翔、張嘉惠，民93「基於特製隱藏式馬可夫模型之中文。斷詞研究」，國(guó)立中央大學(xué)資訊工程學(xué)系碩士論文。
【正文】 位置從哪各位置開(kāi)始 Results amp。 Discussions ? 收尋相關(guān)研討會(huì)的文章，將其尋找到的文章使用此技術(shù)加以辨別，成功減少需用以人工方式來(lái)對(duì)照的時(shí)間 ? 未來(lái)預(yù)計(jì)結(jié)合 KMP演算法來(lái)提高辨別正確性，在辨別短語(yǔ)上也會(huì)有更好的效能，以達(dá)到自動(dòng)學(xué)習(xí)的成效 References ? [1]林千翔、張嘉惠，民 93「基於特製隱藏式馬可夫模型之中文斷詞研究」，國(guó)立中央大學(xué)資訊工程學(xué)系碩士論文。 ? [2]俞士汶、段慧明、朱學(xué)鋒，民 90，「基於現(xiàn)代漢語(yǔ)語(yǔ)法資訊詞典的標(biāo)注語(yǔ)料庫(kù)」，北京大學(xué)計(jì)算語(yǔ)言學(xué)研究所。 ? [3]徐志明，民 95「 HMM 模型和詞性標(biāo)注」，哈爾濱工業(yè)大學(xué)。 ? [4]孫宏林、俞士汶，「淺層句法分析方法概述」， 2020『 當(dāng)代語(yǔ)言學(xué) 』 第 2 期。 ? [5]林一中、洪鵬翔， Probabilistic named entity verification, COMPUTERM2020， 2020 年 ? [6]胡姝涵、張嘉惠、民 95，「會(huì)議公告網(wǎng)站資訊擷取之研究」，國(guó)立中央大學(xué)資訊工程所。 ? [7]高紹航、高照明、民 95，「詞義辨識(shí) :機(jī)器學(xué)習(xí)演算法特徵的選取與組合」，臺(tái)灣大學(xué)資訊工程學(xué)系、外國(guó)語(yǔ)文學(xué)系 ? [8]吳育奇，「 《 漢語(yǔ)文本短語(yǔ)結(jié)構(gòu)的人工標(biāo)注 》 ，語(yǔ)料庫(kù)的加工與應(yīng)用」。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1