关于对数线性模型在词性标注中的应用

词性标注是自然语言理解中很长期的问题，但对于大词性标注集的词性标注，它的标注精度还很低。为此我们应用隐含马尔可夫方法（hmm）和最大熵方法对大词性标注集的词性标注问题进行了研究，并在此基础上提出了关于词性标注的最新方法——对数线性模型，以此来提高词性标注精度。此次实验分别在运用hmm模型时，提出了新的光滑算法；在运用最大熵模型上，集成了详细的局部和远距离的上下文特征信息；在对数线性模型中，集成了hmm模型和最大熵模型，并进行了对比。结果表明综合了多源信息的对数线性模型标注精度达81．52％，取得了比传统的