采用无标注语料和词“粘连”剔除策略的韵律短语识别

摘要：

针对人工标注韵律结构获取大规模语料的困难和问题,利用标点符号能够表示停顿的性质,提出一种采用无标注语料和词“粘连”剔除策略的韵律短语识别方法.对标点符号划分等级,并在利用其模拟韵律边界时对其赋予不同的权重.基于无标注语料构建最大熵模型,并采取Top-K方法实现句子韵律短语边界的自动预测.通过计算相邻语法词词性间的互信息对句子进行“粘连”处理,生成“粘连”单元,并对出现在其内部的韵律边界进行剔除,实现韵律短语的自动识别.实验结果表明,获取无标注语料时对标点进行分级利用及采用“粘连”剔除策略能够明显提升模型性能,该方法能够获得较好的识别效果.

关键词：无标注语料、韵律短语边界、最大熵(ME)、互信息

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学青年基金项目61005053,61100138;山西省青年科技研究基金资助项目2012021012-1;山西省自然科学基金资助项目2011011016-2;山西省回国留学人员科研资助项目2013-022

在线出版日期：2016-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：51-56