论文部分内容阅读
N元语言模型是解决汉字音字转换问题最常用的方法．但在解析过程中，每一个新词的确定只依赖于前面的邻近词，缺乏长距离词之间的句法和语法约束．我们引入词性标注和依存句法等子模型等来加强这种约束关系，并采用两个重排序方法来利用这些子模型提供的信息：1）线性重排序方法，采用最小错误学习方法来得到各个子模型的权重，然后产生候选词序列的概率；2）采用平均感知器方法对候选词序列进行重排序，能够利用词性、依存关系等复杂特征．实验结果显示，两种方法都能有效地提高词Ⅳ元语言模型的性能．而将这两种方法进行级联，即首先采用线性重排