改进NLP流水线的词性标注
计算与语言
2017-08-02 v1
摘要
本文概述了基于句子级语言学规则以改进词性标注的结果。众所周知，如果复杂NLP系统的某个前置阶段不够完美，其性能就会受到负面影响。流水线初始阶段的错误会对流水线的最终性能产生滚雪球效应。我们创建了一组句子级的语言学规则，用于调整来自state-of-the-art标注器的词性标签。在广泛使用的基准测试上与state-of-the-art标注器的比较表明，标注准确性以及随之而来的NLP系统的质量和准确性均有显著提升。
引用
@article{arxiv.1708.00241,
title = {Improving Part-of-Speech Tagging for NLP Pipelines},
author = {Vishaal Jatav and Ravi Teja and Srini Bharadwaj and Venkat Srinivasan},
journal= {arXiv preprint arXiv:1708.00241},
year = {2017}
}
备注
Computational Linguistics, Natural Language Understanding, RAGE AI, Part-of-Speech Tagging, Evaluation