基于自动编码器的中文词汇特征无监督学习

被引：20

作者：

张开旭

周昌乐

机构：

[1] 厦门大学信息科学与技术学院

来源：

中文信息学报 | 2013年 / 27卷 / 05期

基金：

高等学校博士学科点专项科研基金;

关键词：

无监督特征学习; 中文分词; 词性标注;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

大规模未标注语料中蕴含了丰富的词汇信息,有助于提高中文分词词性标注模型效果。该文从未标注语料中抽取词汇的分布信息,表示为高维向量,进一步使用自动编码器神经网络,无监督地学习对高维向量的编码算法,最终得到可直接用于分词词性标注模型的低维特征表示。在宾州中文树库5.0数据集上的实验表明,所得到的词汇特征对分词词性标注模型效果有较大帮助,在词性标注上优于主成分分析与k均值聚类结合的无监督特征学习方法。

引用

页码：1 / 7+92 +92

页数：8