公开(公告)号：CN106021227B

公开(公告)日：2018-08-21

申请号：CN201610324281.5

申请日：2016-05-16

Applicant: 南京大学

Inventor： 戴新宇 ,  程川 ,  陈家骏 ,  黄书剑 ,  张建兵

IPC: G06F17/27

Abstract: 本发明提出了一种基于状态转移与神经网络的汉语组块分析方法，包括：将组块分析任务转换成序列化标注任务，使用基于状态转移的框架对句子进行标注，在标注的过程中使用前向神经网络来对每个状态将要进行的转移操作进行打分，并将利用双向长短记忆神经网络模型学习到的词以及词性标注的分布式表示特征作为标注模型的附加信息特征，从而提高组块分析的精确度。对比其它汉语组块分析技术，该汉语组块分析方法使用的基于状态转移的框架可以更灵活地添加组块级别的特征，同时神经网络的使用可以自动学到特征之间的组合方式，双向长短记忆神经网络模型的利用引入了有用的附加信息特征，三者的结合有效提高了组块分析的准确度。

公开(公告)号：CN106021227A

公开(公告)日：2016-10-12

申请号：CN201610324281.5

申请日：2016-05-16

Applicant: 南京大学

Inventor： 戴新宇 ,  程川 ,  陈家骏 ,  黄书剑 ,  张建兵

IPC: G06F17/27

CPC classification number: G06F17/271 ,  G06F17/2775

Abstract: 本发明提出了一种基于状态转移与神经网络的汉语组块分析方法，包括：将组块分析任务转换成序列化标注任务，使用基于状态转移的框架对句子进行标注，在标注的过程中使用前向神经网络来对每个状态将要进行的转移操作进行打分，并将利用双向长短记忆神经网络模型学习到的词以及词性标注的分布式表示特征作为标注模型的附加信息特征，从而提高组块分析的精确度。对比其它汉语组块分析技术，该汉语组块分析方法使用的基于状态转移的框架可以更灵活地添加组块级别的特征，同时神经网络的使用可以自动学到特征之间的组合方式，双向长短记忆神经网络模型的利用引入了有用的附加信息特征，三者的结合有效提高了组块分析的准确度。