条件随机域模型和实验分析
条件随机域模型通过计算标注序列在观测序列下的条件概率进行标注,解决了传统模型(如隐马尔科夫模型和最大熵马尔科夫模型等)中存在的标注偏差问题,得到了更好的标注效果.时间信息识别是文本序列标注的一个典型代表,本文旨在通过CRF在英文时间信息识别的应用,从理论上深入分析,以及进行对比实验比较条件随机域与其他标注模型的效果,结果验证了理论和实验的一致性,CRF更适合解决序列标注问题.
条件随机域 序列标注 时间信息识别 标注序列
欧阳佑 李素建
北京计算语言学研究所,北京,100871
国内会议
沈阳
中文
134-139
2006-08-15（万方平台首次上网日期，不代表论文的发表时间）