转换学习在话语中的应用研究
cmp-lg
2007-05-23 v1 计算与语言
摘要
本文呈现了首次将转换学习应用于话语层面自然语言处理任务的尝试。为了解决标准算法的两个局限性，我们开发了转换学习的蒙特卡洛版本，使该方法在不降低准确度的前提下可处理更广泛的问题，并设计了一种委员会方法为转换学习生成的标签分配置信度度量。本文描述了这些进展，展示了实验证据证明转换学习在名为对话行为标注的话语任务中与替代方法（如决策树和N-Grams）同样有效，并论证了转换学习具有使其特别适用于对话行为标注任务的可取特性。
引用
@article{arxiv.cmp-lg/9806007,
title = {An Investigation of Transformation-Based Learning in Discourse},
author = {Ken Samuel and Sandra Carberry and K. Vijay-Shanker},
journal= {arXiv preprint arXiv:cmp-lg/9806007},
year = {2007}
}
备注
9 pages, 3 Postscript figure, uses ml98.sty