基于分类的形态学分析：一种归纳学习方法
cmp-lg
2008-02-03 v1 计算与语言
摘要
形态学分析是文本转语音转换、连字符化以及其他语言工程任务中的重要子任务。传统方法是结合形态学词典、一组（语言）规则和启发式方法来寻找最可能的分析。在此，我们提出了一种归纳学习方法，将形态学分析重新表述为一个分割任务。我们报告了在形态学分析的几个变体任务上应用五个归纳学习算法的实验结果。结果表明：（i）这些算法的泛化性能良好；（ii）惰性学习算法 IB1-IG 在所有三个任务中表现最佳。我们得出结论，作为分类任务的惰性学习形态学分析是可行的；而且，它相对于传统方法具有显著优势：避免了知识获取瓶颈、学习和处理快速且确定，以及语言独立性。
引用
@article{arxiv.cmp-lg/9607021,
title = {Morphological Analysis as Classification: an Inductive-Learning Approach},
author = {Antal van den Bosch and Walter Daelemans and Ton Weijters},
journal= {arXiv preprint arXiv:cmp-lg/9607021},
year = {2008}
}
备注
11 pages, 5 encapsulated postscript figures, uses non-standard NeMLaP proceedings style nemlap.sty; inputs ipamacs (international phonetic alphabet) and epsf macros