ログイン
言語:

WEKO3

  • トップ
  • ランキング
To
lat lon distance
To

Field does not validate



インデックスリンク

インデックスツリー

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 124 情報理工学系研究科
  2. 10 コンピュータ科学専攻
  3. 1241010 学術雑誌論文
  1. 0 資料タイプ別
  2. 10 学術雑誌論文
  3. 010 総記

教師なし隠れマルコフモデルを利用した最大エントロピータグ付けモデル

http://hdl.handle.net/2261/25832
http://hdl.handle.net/2261/25832
a563050f-2711-45a1-90c5-680e1007bae2
名前 / ファイル ライセンス アクション
v11n4_01.pdf v11n4_01.pdf (252.2 kB)
Item type 学術雑誌論文 / Journal Article(1)
公開日 2009-09-08
タイトル
タイトル 教師なし隠れマルコフモデルを利用した最大エントロピータグ付けモデル
言語
言語 jpn
キーワード
主題Scheme Other
主題 タグ付け
キーワード
主題Scheme Other
主題 最大エントロピー法
キーワード
主題Scheme Other
主題 教師なし学習
キーワード
主題Scheme Other
主題 隠れマルコフモデル
キーワード
主題Scheme Other
主題 Tagging
キーワード
主題Scheme Other
主題 Maximum Entorpy Method
キーワード
主題Scheme Other
主題 Unsupervised Learning
キーワード
主題Scheme Other
主題 Hidden Markov Model
資源タイプ
資源 http://purl.org/coar/resource_type/c_6501
タイプ journal article
その他のタイトル
その他のタイトル A Maximum Entropy Tagging Model with Unsupervised Hidden Markov Models
著者 風間, 淳一

× 風間, 淳一

WEKO 106258

風間, 淳一

Search repository
宮尾, 祐介

× 宮尾, 祐介

WEKO 106259

宮尾, 祐介

Search repository
辻井, 潤一

× 辻井, 潤一

WEKO 106260

辻井, 潤一

Search repository
著者別名
識別子Scheme WEKO
識別子 106261
姓名 Kazama, Jun’ichi
著者別名
識別子Scheme WEKO
識別子 106262
姓名 Miyao, Yusuke
著者別名
識別子Scheme WEKO
識別子 106263
姓名 Tsujii, Jun’ichi
著者所属
著者所属 北陸先端科学技術大学院大学情報科学研究科
著者所属
著者所属 東京大学大学院情報理工学系研究科
著者所属
著者所属 東京大学大学院情報学環
著者所属
著者所属 科学技術振興機構CREST, CREST
著者所属
著者所属 School of Information Science, Japan Advanced Institute of Science and Technology
著者所属
著者所属 Graduate School of Information Science and Technology, University of Tokyo
著者所属
著者所属 Graduate School of Interdisciplinary Information Studies, University of Tokyo
著者所属
著者所属 Japan Science and Technology Agency
抄録
内容記述タイプ Abstract
内容記述 本論文では,教師なし学習によって推定された隠れマルコフモデル(HMM) の隠れ状態を最大エントロピー(ME) モデルの素性として利用するタグ付けモデルを提案する.教師なし学習された確率モデルを本手法に従って利用することにより,タグ付きコーパスが少ない状況でのタグ付け器作成コストを削減することが可能となる.実験では,英語品詞タグ付けと日本語の単語分割を対象として,少量のタグ付きコーパスで学習する場合の精度が本手法により改善されることを示し,提案手法がタグ付け器作成のコスト削減に寄与することを実証する.さらに,英語品詞タグ付けでタグ付きコーパスを最大限利用できる場合には,最高水準の精度(96.84 %) を達成し,品詞タグ付けモデルとしても優れていることを示す.
抄録
内容記述タイプ Abstract
内容記述 We describe a new tagging model where the states of a hidden Markov model (HMM) estimated by unsupervised learning are incorporated as the features in a maximum entropy model. Our method for exploiting unsupervised learning of a probabilistic model can reduce the cost of building taggers with a small annotated corpus. Experimental results on English POS tagging and Japanese word segmentation show that our method greatly improves the tagging accuracy when the model is trained with a small annotated corpus. Furthermore, our English POS tagger achieved a state-of-the-art POS tagging accuracy (96.84 %) when a large annotated corpus is available.
書誌情報 自然言語処理

巻 11, 号 4, p. 3-24, 発行日 2004-10
ISSN
収録物識別子タイプ ISSN
収録物識別子 13407619
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AN10472659
フォーマット
内容記述タイプ Other
内容記述 application/pdf
日本十進分類法
主題Scheme NDC
主題 007
出版者
出版者 言語処理学会
出版者別名
The Association for Natural Language Processing
戻る
0
views
See details
Views

Versions

Ver.1 2021-03-02 00:39:59.038858
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR 2.0
  • OAI-PMH JPCOAR 1.0
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3