将 Winnow 应用于情境敏感拼写纠正

乘法权重更新算法如 Winnow 在 COLT 文献中已广泛研究，但仅近些年才开始在实际应用中使用。本文将 Winnow 基于算法应用于自然语言中的一个任务：情境敏感拼写纠正。这一任务涉及纠正导致有效单词的拼写错误，例如将 to 替换为 too，casual 替换为 causal 等。先前的方法基于统计；我们将 Winnow 与一种较为成功的基于贝叶斯分类器的方法进行比较。我们发现：（1）在使用描述问题实例的标准（高度修剪）特征集时，Winnow 的性能相当于贝叶斯方法；（2）在使用完整（未修剪）特征集时，Winnow 能够利用新特征显著优于贝叶斯方法；（3）当遇到与训练集不相似的测试集时，Winnow 在适应陌生测试集方面优于贝叶斯方法，我们将介绍一种用于将训练集上的学习与对（噪声）测试集上无监督学习相结合的策略。