文档名：利用领域外数据对口语风格短文本的相近语种识别研究
该文以维吾尔语和哈萨克语这一组相近语言为例,在哈语语料受限的情况下,使用领域外语料增补原始语料,经同化后提高了在口语风格短文本上进行语种识别的精确度.该文分析了维、哈两种语言的词形学特点,提出了多条特征,构建了一个最大熵分类器,在测试集上识别维语和哈语口语风格短文本的精确度达到95.7％,而CNN分类器的精确度仅为69.1％.实验结果证明本系统对其他语种口语风格短文本的语种识别亦具有适用性.
作者：何峻青 黄娴 赵学敏 张克亮
作者单位：中科院声学研究所语言声学与内容理解实验室,北京市100190;中国科学院大学,北京市100190信息工程大学洛阳校区,河南省洛阳市471003中科院声学研究所语言声学与内容理解实验室,北京市100190
母体文献：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)论文集
会议名称：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)
会议时间：2018年10月19日
会议地点：长沙
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：口语风格短文本 相近语种识别 领域外数据 n元特征
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 847.94 KB
- 下载次数:
- 60
-
高速下载
|
|
