基于主动训练平均感知机集成模型的扩展时空表达式识别
计算与语言
2015-08-20 v1 机器学习
摘要
文本精确的地理编码与时间归一化需要识别位置和时间短语。许多最先进的地理解析器与时间解析器存在召回率低下的问题。解析器常遗漏的类别包括：用于非时空意义的名词、形容词与副词短语、介词短语以及数值短语。我们通过商业网络搜索 API 查询那些被最先进解析器遗漏的此类时空表达式，收集并标注了数据集。由于句子标注成本高，采用主动学习来标记训练数据，并设计了一种新策略以更好地选择训练样本从而降低标注成本。对于学习算法，我们应用了平均感知机训练的特征化隐马尔可夫模型（FHMM）。使用五个 FHMM 实例构建集成，通过投票选择输出短语。我们的集成模型在一系列序列标注任务上进行了测试，并展现出有竞争力的性能。我们的贡献包括：(1) 一个标注了命名实体与扩展时空表达式的新数据集；(2) 对集成模型推断算法的比较，显示了置信传播相对于维特比解码的精度优势；(3) 一种用于主动集成学习的新样本重加权方法，其“记忆”最新训练的样本；(4) 一个联合识别扩展时空表达式与命名实体的时空解析器。
引用
@article{arxiv.1508.04525,
title = {Recognizing Extended Spatiotemporal Expressions by Actively Trained Average Perceptron Ensembles},
author = {Wei Zhang and Yang Yu and Osho Gupta and Judith Gelernter},
journal= {arXiv preprint arXiv:1508.04525},
year = {2015}
}
备注
10 pages