字符串核能否经受住母语识别中时间的考验？
计算与语言
2017-08-07 v2
摘要
我们描述了一种用于 2017 年母语识别（NLI）共享任务的机器学习方法。该方法使用多核学习结合了多个核。虽然我们的大多数核基于从文章或语音转录中提取的字符 p-gram（也称为 n-gram），但我们也使用了一个基于 i-vector 的核，i-vector 是共享任务组织者提供的音频录音的低维表示。在学习阶段，我们选择核判别分析（KDA）而不是岭回归（KRR），因为前者在开发集上获得了比后者更好的结果。在我们之前的工作中，我们使用了类似的机器学习方法来取得 NLI 的最佳结果。本文的目的是证明我们基于字符串核的浅层简单方法（带有微小改进）能够经受住时间的考验，尽管自然语言处理近期取得了进展，仍能在 2017 年 NLI 共享任务中达到最佳性能。我们参加了所有三个赛道，在这些赛道中，参赛者可以仅使用文章（文章赛道）、仅使用语音转录（语音赛道）或两者兼用（融合赛道）。仅使用组织者提供的数据来训练我们的模型，我们在封闭文章赛道中达到了 86.95% 的宏 F1 分数，在封闭语音赛道中达到了 87.55% 的宏 F1 分数，在封闭融合赛道中达到了 93.19% 的宏 F1 分数。凭借这些分数，我们的团队（UnibucKernel）在所有三个赛道中均位列第一梯队，并在语音和融合赛道中取得了最佳分数。
引用
@article{arxiv.1707.08349,
title = {Can string kernels pass the test of time in Native Language Identification?},
author = {Radu Tudor Ionescu and Marius Popescu},
journal= {arXiv preprint arXiv:1707.08349},
year = {2017}
}
备注
In Proceedings of the 12th Workshop on Building Educational Applications Using NLP, 2017