山西大学学报(自然科学版)

2017, v.40;No.157(03) 442-453

[打印本页] [关闭]
本期目录 | 过刊浏览 | 高级检索

基于深度学习的图解码依存分析研究进展
Advances in Graph-based Dependency Parsing Using Deep Learning

常宝宝;

摘要(Abstract):

图解码依存分析方法是一种重要的依存分析方法,优点是解码具有全局最优的特点,能够找到模型意义下的全局最佳依存树。传统图解码依存分析模型大多采用基于特征的线性评分模型,常常需要选取大量的人工特征,这一方面耗时费力,加剧了模型过拟合的风险,另一方面也显著降低了系统的运行效率。同时由于采用子图分解策略,传统图解码分析中的特征提取严重受到子图规模的限制,无法提取具有全局意义的分析特征。深度图解码依存分析研究部分解决了这些问题,本文概要介绍了近年来几个代表性的深度图解码依存分析研究工作,总结了国内外在深度图解码依存分析方面的现状和进展。

关键词(KeyWords): 依存句法分析;;图解码;;深度学习

Abstract:

Keywords:

基金项目(Foundation): 973项目(2014CB340504);; 国家自然科学基金(61273318)

作者(Author): 常宝宝;

Email:

参考文献(References):

文章评论(Comment):

序号(No.) 时间(Time) 反馈人(User) 邮箱(Email) 标题(Title) 内容(Content)
反馈人(User) 邮箱地址(Email)
反馈标题(Title)
反馈内容(Content)
扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享