论文部分内容阅读
各种词性标注方法总是利用从某一侧面描述的语言学知识，当训练语料达到一定规模、训练模型完善到一定程度后，标注精度很难再有进一步的提高。本文在对TBED、DT、HMM和ME四种基于语料库的词性标注方法研究的基础上，提出了一种新的词性标注融合策略——相关投票法。从理论上分析了该方法的优越性，并与其他融合策略进行了对比实验。实验结果表明，应用融合策略可以更加全面地描述词性标注知识，从而更好地完成词性标注任务；在几种融合策略中，相关投票法是最优秀的，它使标注的平均错误率降低27．85％。