藏語信息技術的發(fā)展對藏語的科學研究,學科教育,以及藏族百姓生活都有著十分重要的作用和影響。隨著信息技術多年的發(fā)展與進步,藏語信息技術中的語言學研究也取得了一定的成果。作為藏語信息技術語言學研究的基礎和關鍵任務,藏語分詞和詞性標注對后續(xù)句法分析,文本分類,情感分類等自然語言處理任務有著直接的影響。使用傳統(tǒng)的統(tǒng)計模型完成藏語分詞和詞性標注雖然可以取得較好的效果,但是人工構建特征會影響其在大規(guī)模數(shù)據(jù)集中的普適性。隨著神經(jīng)網(wǎng)絡技術的發(fā)展,運用神經(jīng)網(wǎng)絡算法在自然語言處理領域進行研究已成為趨勢。神經(jīng)網(wǎng)絡算法以其具有的信息分布存儲、并行處理以及自學習能力等優(yōu)點在自動提取序列特征,訓練擬合大規(guī)模數(shù)據(jù),以及充分利用GPU等硬件性能方面有著很強的優(yōu)勢。本文基于神經(jīng)網(wǎng)絡相關的算法,針對藏語分詞和詞性標注完成了以下工作:第一,在雙向長短期記憶網(wǎng)絡模型中引入卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNN)和膨脹卷積迭代(Iterated Dilated CNN,IDCNN)算法對藏語進行分詞并取得了良好的效果。通過不同算法框架對比驗證了IDCNN作為特征提取器相比CNN可以提取...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

本文編號：3879937