(1)正确结果是通过不断修正错误得到的
(2)修正错误的过程是有迹可循的
(3)让计算机学习修正错误的过程,这个过程可以用转换规则(transformation)形式记录下来,然后用学习得到转换规则进行词性标注
运用T1
S1: 他/r 做/v 了/u 一/m 个/q 报告/n
转换规则的模板(template)
(1)当前词的前(后)面一个词的词性标记是z;
(2)当前词的前(后)面第二个词的词性标记是z;
(3)当前词的前(后)面两个词中有一个词的词性标记是z;……其中x,y,z是任意的词性标记代码。
根据模板可能学到的转换规则
![](https://i-blog.csdnimg.cn/blog_migrate/c7166d7a84c528680d1bf7134b2baec6.jpeg)
1)首先用初始标注器对C0_raw进行标注,得到带有词性标记的语料Ci(i =1);
2)将Ci跟正确的语料标注结果C0比较,可以得到Ci中总的词性标注错误数;
3)依次从候选规则中取出一条规则Tm (m=1,2,…),每用一条规则对Ci中的词性标注结果进行一次修改,就会得到一个新版本的语料库,不妨记做(m=1,2,3,…),将每个 跟C0比较,可计算出每个中的词性标注错误数。假定其中错误数最少的那个是 (可预期中的错误数一定少于Ci中的错误数),产生它的规则Tj就是这次学习得到的转换规则;此时成为新的待修改语料库,即Ci= 。
4)重复第3步的操作,得到一系列的标注语料库 ,…后一个语料库中的标注错误数都少于前一个中的错误数,每一次都学习到一条令错误数降低最多的转换规则。直至运用所有规则后,都不能降低错误数,学习过程结束。这时得到一个有序的转换规则集合{Ta, Tb,Tc, …}
转换规则学习示例