1、之前两周利用主动学习的方式训练集
2、标注数据分离一小部分作为测试集利用LR分类器调参。
3、利用最有参数训练标注语料生成特征权重weights。
3、使用weights获得主干提取demo。
周一的时候做好了主干提取的Demo初始版本,经过测试效果不太理想
分析原因:训练集过少、覆盖面过窄、稳定性不高
这周的主要工作:
1、提取多种语料库中的资源做人工语料标注
2、增加部分特征,扩大特征维度
3、特征结构统一化,例如某个词的特征用词典表示,预定义好所有的key。暂时定义如下:
- 列表内容
- word_0 当前词本身
- pos_0 当前词本身词性
- cluster_0 当前词本身聚类编号
- word_-1 当前词的前一个词本身
- pos_-1 当前词的前一个词词性
- cluster_-1 当前词的前一个词聚类编号
- word_1 当前词的后一个词本身
- pos_1 当前词的后一个词词性
- cluster_1 当前词的后一个词聚类编号
- parent_edge_0 当前词的父边关系类型
- child_edge_0 当前词的子边关系类型
- word_parent_node_0 当前词的父节点词本身
- pos_parent_node_0 当前词的父节点词性
- cluster_parent_node_0 当前词的父节点词聚类编号
- word_parent_node_-1 当前词的前一个词的父节点词本身
- pos_parent_node_-1 当前词的前一个词的父节点词性
- cluster_parent_node_-1 当前词的前一个词的父节点词聚类编号
- word_parent_node_1 当前词的后一个词的父节点词本身
- pos_parent_node_1 当前词的后一个词的父节点词性
- cluster_parent_node_1 当前词的后一个词的父节点词聚类编号
计划下周:
把句子主干提取完善版本完成。