词性标注针对特定领域用途的快速适配
计算与语言
2014-11-04 v1 机器学习
机器学习
摘要
词性（POS）标注是执行解析、信息抽取和问答等自然语言任务的基本组成部分。当词性标注器在一个领域训练并应用于显著不同的领域时，其性能可能会急剧下降。我们提出了一种将词性标注器快速适配到新领域的方法论。我们的技术是无监督的，即不需要针对新领域的人工标注语料库。我们利用从大量原始文本中收集的后缀信息以及正字法信息来增加词汇覆盖率。我们在生物领域进行了一项实验，结果显示我们的词性标注器取得了与专门针对该领域训练的词性标注器相当的结果。
引用
@article{arxiv.1411.0007,
title = {Rapid Adaptation of POS Tagging for Domain Specific Uses},
author = {John E. Miller and Michael Bloodgood and Manabu Torii and K. Vijay-Shanker},
journal= {arXiv preprint arXiv:1411.0007},
year = {2014}
}
备注
2 pages, 2 tables; appeared in Proceedings of the HLT-NAACL BioNLP Workshop on Linking Natural Language and Biology, June 2006