BriefGPT.xyz
Ask
alpha
关键词
unsupervised part-of-speech tagging
搜索结果 - 2
ACL
基于词汇转换和标签注入的无监督领域自适应 —— 以推特数据为例
通过简单的词汇转换来减少源域数据集与目标域数据集之间的领域转变,使得模型在变换后的源域数据集上表现明显优于零样本模型,在转换为推特的英文上达到了 92.14% 的无监督词性标注准确率,仅略低于 94.45% 的监督效果,同时利用提出的转换方
→
PDF
a year ago
多语言词性标注:两种无监督方法
通过多语言学习,并运用层次贝叶斯模型和马尔可夫蒙特卡洛采样技术,我们证明了在无监督词性标注中应用多语言学习的有效性,且在可用语言数量增加时,性能稳定提升。
PDF
10 years ago
Prev
Next