• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>AI communications >A robust transformation-based learning approach using ripple down rules for part-of-speech tagging
【24h】

A robust transformation-based learning approach using ripple down rules for part-of-speech tagging

机译：使用波纹下降规则进行词性标记的基于变换的强大学习方法

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 propose a new approach to construct a system of transformation rules for the Part-of-Speech (POS) tagging task. Our approach is based on an incremental knowledge acquisition method where rules are stored in an exception structure and new rules are only added to correct the errors of existing rules; thus allowing systematic control of the interaction between the rules. Experimental results on 13 languages show that our approach is fast in terms of training time and tagging speed. Furthermore, our approach obtains very competitive accuracy in comparison to state-of-the-art POS and morphological taggers.
机译：在本文中，我们提出了一种新的方法来构建词性（POS）标记任务的转换规则系统。我们的方法基于增量知识获取方法，其中规则存储在异常结构中，并且仅添加新规则以更正现有规则的错误；因此可以对规则之间的交互进行系统控制。在13种语言上的实验结果表明，我们的方法在训练时间和标记速度方面都很快。此外，与最新的POS和形态标记器相比，我们的方法获得了非常具有竞争力的准确性。

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