基于双向长短期记忆循环神经网络的词性标注
计算与语言
2015-10-22 v1
摘要
双向长短期记忆循环神经网络（BLSTM-RNN）已被证明对标注序列数据（如语音话语或手写文档）非常有效。而词嵌入已展示为刻画自然语言统计性质的强大表示。在本研究中，我们提出将BLSTM-RNN与词嵌入结合用于词性（POS）标注任务。在Penn Treebank WSJ测试集上测试时，达到了97.40标注准确率的最先进性能。在不使用形态学特征的情况下，该方法也能取得与Stanford POS标注器相当的良好性能。
引用
@article{arxiv.1510.06168,
title = {Part-of-Speech Tagging with Bidirectional Long Short-Term Memory Recurrent Neural Network},
author = {Peilu Wang and Yao Qian and Frank K. Soong and Lei He and Hai Zhao},
journal= {arXiv preprint arXiv:1510.06168},
year = {2015}
}
备注
rejected by ACL 2015 short, score: 4,3,2 (full is 5)