- 博客(4)
- 收藏
- 关注
RSS订阅转载 中文 NLP（11） -- stanfordNLP 生成文法之 PCFG 模型
在短语结构文法中，也就是转换生成语法，目前最成熟、精度最高的算法就是 PCFG 算法。另一种基于依存句法理论的分析方法，最高效的是深度学习算法（Trainsition-Based LSTM）PCFG 即 Probabilistic CFG ，也就是基于概率的短语结构分析。也就是在 G = (X,V,S,R) 的基础上加一个 P 表示概率，变成 G= (X,V,S,R,P) 约束如下：...
2018-12-07 17:23:45
7163
转载 中文 NLP （10） -- 句法解析之 转换生成语法 和 依存句法
多年来 NLP 领域最广泛的两种句法分析理论分别为 转换生成语法和依存句法。转换生成语法短语结构文法：形式化定义为 G = (X,V,S,R) 这样一个四元组。X 是词汇集合，称为终结符。V 是标注的集合，称为非终结符。S 属于 V ，称为文法开始符。R 是有序偶对（α，β）的集合，α 是集合 （X∪V）上的字符串，但至少包含一个非终结符，β 是（X∪V） 闭包的元素。一般的，将有序偶对...
2018-12-07 14:06:02
4685
转载 中文 NLP（9） -- 实体识别
（1）实体识别识别 人名，地名，组织机构，日期，时间，百分数，货币这七大实体。重点是人名，地名和组织机构的识别。属于未登录词识别的范畴。人名特征：当今仍使用，活跃的中文姓氏大致有1000 多个，前 586 个姓占了 98.5%。其余姓氏不到 1.5%。名字用字分布较姓氏用字分布要平缓，分散。共 3679 个名字用字，词性分布也很广泛，不仅有实词，还有各类虚词。地名特征：较之人名相比，地...
2018-12-04 10:08:52
4352
6
转载 中文 NLP（8） -- 使用 CRF++ 和 BIO 表示法训练模型
一般在训练 NLP 模型，比如分词，词性，组块标注等等时，采用 BIO 表示法，说明如下：B — 代表当前词是一个组块的开始I — 代表当前词在一个组块中O — 代表当前词不在任意组块中 。如果要求更精确，可以增加两个符号：E — 代表组块结束S — 代表当前词是一个组块，该组块只有一个词以句法组块标注训练为例，我们先将 宾州树 的标注使用 perl 小程序作如下转化，...
2018-12-02 14:54:37
5727
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人