基于CNN和LSTM混合模型的中文词性标注

被引：21

作者：

谢逸

饶文碧

段鹏飞

陈振东

机构：

[1] 武汉理工大学计算机科学与技术学院

来源：

武汉大学学报(理学版) | 2017年 / 63卷 / 03期

关键词：

词性标注; 卷积神经网络; 长短期记忆; 实验分析;

D O I：

10.14188/j.1671-8836.2017.03.009

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

中文词性标注具有重要的作用,它的准确性和标注速度直接影响到自然语言处理的后续任务.提出一种基于CNN(convolutional neural network)和LSTM(long-short term memory)混合模型进行中文词性标注.该模型采用三层结构,用词向量和CNN的滑动窗口特性产生词语表示特征,LSTM的时序性来产生词性标注的序列标签.分别在PFR《人民日报》语料库、CTB7.0和CoNLL09语料库上对该模型进行测试,在未加入任何人工特征的条件下,对词语进行词性标注,词性标注效果好于HMM(hidden Markov model)、MLP(multi-layer perceptron)、CNN和LSTM.

引用

页码：246 / 250

页数：5

共 5 条

[1] 基于SVMTool的中文词性标注 [J].