HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

面向序列迁移学习的似然比模型选择方法

作者:孙世昶; 林鸿飞; 孟佳娜; 刘洪波迁移学习似然比模型选择词性标注

摘要:为了解决迁移学习的欠适配问题,将粒模型作为候选模型的集合,通过模型选择的方式引入目标域的辅助模型中包含的标注规则,提出粒模型推断中基于似然比的模型选择方法(likelihood ratio model selection,LRMS),实现了辅助模型与粒模型的融合。LRMS保持基于Viterbi算法的标注模型对整条序列进行计算的模式,避免了候选标注器对上下文关系的破坏。通过大量词性标注实验表明LRMS在每个迁移学习任务中都有准确率的提高,从而证明似然比模型选择是一种有效的解决欠适配问题的方法。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

山东大学学报·理学版

《山东大学学报·理学版》(CN:37-1389/N)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《山东大学学报·理学版》为理工科综合性学术期刊。旨在反映该校自然科学领域中的最新研究成果,促进学术交流,活跃学术思想。

杂志详情