基于半督導機器學習的分詞算法的設計與實現(xiàn).pdf

1、詞是最小的能獨立運用的語言單位，漢語、日語等東方語言的一個顯著特點是文本中詞與詞之間沒有顯式的分隔標記。因此，分詞在機器翻譯、信息檢索、文本分類等中文信息處理的各項任務中都發(fā)揮著基礎性的重要作用。研究工作具有以下特點：首先，以無督導機器學習方法為基本框架，基于未標注語料庫，不使用人工詞典，建立語言模型，使用最大期望（EM）算法迭代地訓練模型，優(yōu)化模型參數(shù)。為了進一步提高模型性能，防止EM固有的局部最優(yōu)問題以及所造成的粗分現(xiàn)象，研究并改

2、進了基于互信息的詞典修剪算法?？紤]到互信息能更好地反映兩個字之間的耦合性，對字符串進行劃分時，使用基于字符間互信息的方法代替了最大似然估計方法，找到詞中字與字之間相關性最弱的位置，有效提高了修剪正確率。其次，提出了一種具有主動學習能力的分詞算法，在主要利用大量未標注數(shù)據的同時，能夠主動選擇少量最有價值的數(shù)據加以人工標注，達到綜合使用未標注數(shù)據和少量標注數(shù)據訓練語言模型的目的?；谏鲜龉ぷ?，研究并實現(xiàn)了基于半督導機器學習的分詞系統(tǒng)。實驗