基于朴素贝叶斯与潜在信息的混合词预测模型
计算与语言
2018-03-05 v1
摘要
历史上，自然语言处理领域受到许多研究者的极大关注。这一兴趣背后的主要动机之一与词预测问题相关，即给定句子中的一组词，可以推荐下一个词。文献中该问题由基于句法或语义分析的方法解决。仅单独使用这些分析均无法为终端用户应用取得实用结果。例如，潜在语义分析可处理文本的语义特征，但无法依据句法规则给出词建议。另一方面，有同时将两种方法结合并达到最先进结果的模型，如深度学习。这些模型可能需求高计算量，使模型在某些类型应用中不可行。随着技术与数学模型的发展，开发更快速且更精确的系统成为可能。本工作提出一种基于朴素贝叶斯与潜在语义分析的混合词建议模型，考虑未填间隙周围的邻近词。结果表明该模型在 MSR 句子补全挑战中达到 44.2% 的准确率。
引用
@article{arxiv.1803.00985,
title = {Hybrid Model For Word Prediction Using Naive Bayes and Latent Information},
author = {Henrique X. Goulart and Mauro D. L. Tosi and Daniel Soares Gonçalves and Rodrigo F. Maia and Guilherme A. Wachs-Lopes},
journal= {arXiv preprint arXiv:1803.00985},
year = {2018}
}