• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Computer Aided Systems Theory(EUROCAST 2005); 20050207-11; Las Palmas de Gran Canaria(ES) >Applying Stacking and Corpus Transformation to a Chunking Task
【24h】

Applying Stacking and Corpus Transformation to a Chunking Task

机译：将堆叠和语料库转换应用于分块任务

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we present an application of the stacking technique to a chunking task: named entity recognition. Stacking consists in applying machine learning techniques for combining the results of different models. Instead of using several corpus or several tagger generators to obtain the models needed in stacking, we have applied three transformations to a single training corpus and then we have used the four versions of the corpus to train a single tagger generator. Taking as baseline the results obtained with the original corpus (F_(β=1) value of 81.84), our experiments show that the three transformations improve this baseline (the best one reaches 84.51), and that applying stacking also improves this baseline reaching an F_(β=1) measure of 88.43.
机译：在本文中，我们介绍了堆叠技术在分块任务中的应用：命名实体识别。堆叠在于应用机器学习技术来组合不同模型的结果。我们没有使用几个语料库或几个标记生成器来获得堆叠所需的模型，而是对单个训练语料库应用了三种转换，然后使用了四个版本的语料库来训练单个标记语生成器。以原始语料库（F_（β= 1）值为81.84）获得的结果为基准，我们的实验表明，这三种转换可改善此基准（最佳转换达到84.51），并且应用堆叠也可改善此基准，使其达到F_（β= 1）值为88.43。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号