MMJan, 2023

越南情感分类是否需要进行分词？

PDF
TL;DR本研究探讨了对于越南情感分类是否需要进行分词的问题，提出了五个使用不同分词工具预处理的越南文本的预先训练模型并通过实验结果表明使用传统的分类器无需进行分词，但在使用 BPE 方法和深度学习模型前需要进行分词，而 RDRsegmenter 是最稳定的工具。
vietnamese sentiment classificationword segmentationpre-trained language modelsrdrsegmenterdeep learning model
发现论文，激发创造
  • 中文表征深度学习是否需要分词？

    探讨了是否需要将中文文本分词为词语的问题，并对基于分词和不基于分词的神经网络模型在四个自然语言处理任务上进行了比较。研究发现，不基于分词的字符级模型在数据稀疏性和词汇量不足等复杂情况下更加鲁棒。

    May, 2019

  • 从分词到词性标注 - 越南语

    本文比较了越南语标注未分割文本的两种策略：管道策略和联合策略，并且在特征模型和神经网络模型上进行了比较。经过实验证明，使用管道策略和特征模型时，能更好地识别未分割文本中的词性标记。

    Nov, 2017

  • 基于 SVM 的越南语分词：减少歧义和捕获后缀

    使用支持向量机分类器的越南语单词分割方法通过采用音节的 n-gram、音节类型的 n-gram 和在词典中检查相邻音节的连接等方面，继承了以前的工作特征，提出了两种新的特征提取方法，一种是减少重叠歧义，另一种是增加预测包含后缀的未知单词的能力，在基准越南语数据集上，我们提出的方法获得了比先前最先进的方法 UETsegmenter 和 RDRsegmenter 更好的 F1 分数。

    Jun, 2020

  • 一个快速准确的越南语词分割器

    本文提出了一种基于单一分类涟漪向下规则方法的越南语词分割方法，该方法通过存储规则和只在现有规则给出的分割错误的基础上添加新规则来实现；在基准越南树库上的实验结果表明，与先前的 JVnSegmenter、vnTokenizer、DongDu 和 UETsegmenter 等最先进的方法相比，我们的方法在准确性和性能速度两方面均有所提高。

    Sep, 2017

  • 越南语中基于方面的情感分析的跨度检测

    本研究提出了一种基于 BiLSTM-CRF 的新颖系统，利用收集的词汇和语境特征，针对基于方面的情感分析中的波及用户观点的判定问题，利用越南语语言数据集进行评估，最终实现了 62.76% 的 F1 分数的最优解。

    Oct, 2021

  • 利用词语分割表示学习提高中文社交媒体名称实体识别

    本文研究利用神经网络模型共同训练中文社交媒体的命名实体识别（NER）和分词（word segmentation）任务，与之前的研究相比，使用 LSTM-CRF 模型得到了将近 5% 的显著提高。

    Mar, 2016

  • 越南语词汇分割、词性标注和依存句法分析的神经联合模型

    本文提出了一个新的多任务学习模型，用于联合越南语词语分割、词性标注和依存句法分析，并在越南基准数据集上进行了实验，结果表明本模型具有最先进或竞争性的表现。

    Dec, 2018

  • 丰富预训练神经词语分割

    通过使用更丰富的外部信息来预先训练模块化分词模型，神经词分割的效果得到了显著的提高，在六项基准测试中达到了竞争最佳方法的准确度。

    Apr, 2017

  • 深度学习与传统分类器在越南学生反馈语料库上的对比

    本研究使用机器学习和自然语言处理技术（NaiveBayes，Maximum Entropy，Long Short-Term Memory，Bi-Directional Long Short-Term Memory）对来自大学的越南学生反馈语料库进行情感分析，得出使用双向长短期记忆算法进行情感分类的结果最好，可帮助学校识别出问题并提出改进方法。

    Nov, 2019

  • 通用词语分割：实现与解释

    本篇论文介绍了一种序列标注框架，并将其应用于具有不同书写系统和类型特征的多种语言的单词分割，结果表明，单词分割的准确性与单词边界标记正相关并与非分割术语数量负相关。在此基础上，设计了一套小的语言特定设置，并基于 Universal Dependencies 数据集进行广泛评估，结果表明该模型在所有 UD 语言上获得了最先进的精度，在中文、日语、阿拉伯语和希伯来语等难以划分的语言上表现显著优于以前的工作。

    Jul, 2018