2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在自然語言處理過程中,語義分析是一個(gè)不可或缺的階段。通過語義角色標(biāo)注,我們可以獲取淺層語義信息。所謂淺層語義信息,是與概念深層語義相對(duì)而言的。語義角色標(biāo)注是語法與語義的接口。
   語義角色標(biāo)注任務(wù)需要對(duì)語料進(jìn)行一些預(yù)處理操作,包括:分詞、詞性標(biāo)注、組塊分析。其中,組塊分析與深層語義信息直接相關(guān),對(duì)于語義分析的質(zhì)量也起著至關(guān)重要的作用,已引起研究者的廣泛關(guān)注。
   傳統(tǒng)的組塊分析系統(tǒng)大多采用單任務(wù)學(xué)習(xí)(Single—t

2、ask Learning)模式下的統(tǒng)計(jì)方法,如Conditional Random Files模型,Support VectorMachine模型,Maximum Entropy Markov模型。它們雖然取得取得了不錯(cuò)的性能,但是我們并不知道哪種模型對(duì)于組塊分析任務(wù)是最佳的模型,哪種特征或特征組合是最為有效的。
   多任務(wù)學(xué)習(xí)(Multi—task Learning,MTL)方法能夠在一定程度上解決此問題。多任務(wù)學(xué)習(xí)以并行的

3、方式學(xué)習(xí)多個(gè)輔助任務(wù),并用一個(gè)共享的結(jié)構(gòu)來刻畫這些任務(wù)間的共享信息,以此來提升目標(biāo)任務(wù)的性能。
   交互結(jié)構(gòu)優(yōu)化(Alternating Structure OptimizatioN,ASO)算法是最近提出一種線性多任務(wù)學(xué)習(xí)方法。它的有效性在半監(jiān)督和監(jiān)督模式下都得到了驗(yàn)證,我們?cè)贑hinese Tree:Bank2.0數(shù)據(jù)集上的實(shí)驗(yàn)證明它對(duì)于中文數(shù)據(jù)集同樣有效。但是之前這些方法都需要引入大量的外部數(shù)據(jù)來獲得性能的提升。因此,能

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論