单华
- 作品数：2 被引量：9H指数：2
- 供职机构：北京交通大学计算机与信息技术学院更多>>
- 发文基金：国家自然科学基金国际科技合作与交流专项项目更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于Active Learning的中文分词领域自适应被引量：7
- 2015年
- 在新闻领域标注语料上训练的中文分词系统在跨领域时性能会有明显下降。针对目标领域的大规模标注语料难以获取的问题,该文提出Active learning算法与n-gram统计特征相结合的领域自适应方法。该方法通过对目标领域文本与已有标注语料的差异进行统计分析,选择含有最多未标记过的语言现象的小规模语料优先进行人工标注,然后再结合大规模文本中的n-gram统计特征训练目标领域的分词系统。该文采用了CRF训练模型,并在100万句的科技文献领域上,验证了所提方法的有效性,评测数据为人工标注的300句科技文献语料。实验结果显示,在科技文献测试语料上,基于Active Learning训练的分词系统在各项评测指标上均有提高。
- 许华婷张玉洁杨晓晖单华徐金安陈钰枫
- 关键词：中文分词领域自适应
- 基于枢轴语言的平行语料构建方法被引量：2
- 2017年
- 平行语料库的规模对于统计机器翻译性能的提高具有重要作用,但是平行语料库的人工构建成本很高。针对这个问题,本文提出了一种低成本高效率的平行语料构建方法,利用枢轴语言作为桥梁,借助已有的机器翻译技术并融合主动学习方法构建目标语言对的大规模高质量平行语料库。本文通过以英语作为枢轴语言构建日汉平行语料库的实例研究,利用成熟的基于短语的统计机器翻译技术,描述了基于译文自动评测的良好译文选择方法、基于主动学习的语料选取方法、以及翻译系统的更新迭代和评价实验。实验结果表明,本文提出的方法能够快速构建日汉平行语料,并有效提高日汉翻译系统的性能。
- 单华张玉洁周雯徐金安陈钰枫
- 关键词：机器翻译平行语料
