一种用于中文分词与词性标注联合任务的特征增强神经模型
计算与语言
2017-07-04 v2
摘要
近年来，用于自然语言处理任务的神经网络模型因其能够减轻人工特征工程负担的能力而日益受到关注。然而，以往的神经模型无法像使用离散特征的传统方法那样提取复杂的特征组合。在本工作中，我们针对中文分词与词性标注联合任务提出了一种特征增强的神经模型。具体而言，为模拟传统基于离散特征模型的特征模板，我们使用不同的滤波器，通过卷积层和池化层对复杂的组合特征进行建模，然后利用循环层捕获长距离依赖信息。在五个不同数据集上的实验结果证明了我们所提出模型的有效性。
引用
@article{arxiv.1611.05384,
title = {A Feature-Enriched Neural Model for Joint Chinese Word Segmentation and Part-of-Speech Tagging},
author = {Xinchi Chen and Xipeng Qiu and Xuanjing Huang},
journal= {arXiv preprint arXiv:1611.05384},
year = {2017}
}