- 1、本文档共54页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
*Bakeoff2007–MSRANEUBasicCRFTagger标注集:沿用MSRA在Bakeoff2006的6词位标注特征模板集:在MSRABakeoff2006的基础上增加了WordFlagWordBasedSegmenter对每句,用三元语言模型切词,选择概率最大的3种方式。对某个字,如果基于字的标注的概率小于某个阈值,则使用基于词的标注,用以提高已登录词的召回率。但是,如果该字基于词的标注是“独立成词”,那么使用基于字的标注。这种做法的原因是:基于词的标注常常将未登录词切分为单字。Post-processingRule处理一种特定情况:一个未登录词常常被分为多个词。处理当前句子时,缓存前20个句子,如果存在2-7个字组成的字符串重复出现,次数超过阈值,且这个字符串没有在训练数据中出现过,那么这个字符串加入候选词。Bakeoff2007–法国电信北京研发中心ProblemsofNERwithonlylocalinformation“Manyempiricalapproaches…makedecisiononlyonlocalcontextforextractinference,whichisbasedonthedataindependentassumption.Butoftenthisassumptiondoesnotholdbecausenon-localdependenciesareprevalentinnaturallanguage.”ObservationfromExperiments:Therearemanyseennamedentitiesaremissed;Atleast10%ofunseenandmissednamedentitieshavebeenlabeledoutcorrectlyforatleastonce.“Ifthecontextsurroundingoneoccurrenceofatokensequenceisveryindicativeofitbeinganentity,thenthisshouldalsoinfluencethelabelingofanotheroccurrenceofthesametokensequenceinadifferentcontextthatisnotindicativeofentity”.Bakeoff2007–法国电信北京研发中心Bakeoff2007–法国电信北京研发中心LocalFeaturesUnigram:Cn(n=-2,-1,0,1,2)Bigram:CnCn+1(n=-2,-1,0,1)andC-1C10/1FeaturesAssign1toallthecharacterswhicharelabeledasentityand0toallthecharacterswhicharelabeledasNONEintrainingdata.Insuchway,theclassdistributioncanbealleviatedgreatly,takingBakeoff2006MSRANERtrainingdataforexample,ifwelabelthecorpuswith10classes,theclassdistributionis: 0.81(B-PER),1.70(B-LOC),0.95(BORG),0.81(I-PER),0.88(I-LOC),2.87(I-ORG),0.76(EPER),1.42(E-LOC),0.94(E-ORG),88.86(NONE)ifwechangethelabelschemeto2labels(0/1),theclassdistributionis: 11.14(entity),88.86(NONE)*Bakeoff2007–法国电信北京研发中心Non-localFeaturesToken-positionfeatures(NF1)Theserefertothepositioninformation(start,middleandlast)assignedtothetokensequ
文档评论(0)