基于word2vec的大中华区词对齐库的构建
该文针对大陆、香港和台湾地区(简称大中华区)存在同一种语义但采用不同词语进行表达的语言现象进行分析。首先,我们抓取了维基百科以及简繁体新闻网站上的3 200 000万组大中华区平行句对,手工标注了一致性程度达到95%以上的10 000组大中华区平行词对齐语料库。同时,我们提出了一个基于word2vec的两阶段大中华区词对齐模型,该模型采用word2vec获取大中华区词语的向量表示形式,并融合了有效的余弦相似度计算方法以及后处理技术。实验结果表明我们提出的大中华区词对齐模型在以上两种不同文体的词对齐语料库上的F1值显著优于现有的GIZA++和基于HMM的基准模型。此外,我们在维基百科上利用该词对齐模型进一步生成了90 029组准确率达82.66%的大中华区词语三元组。
文件下载
评论信息
其他资源
- KUKA机器人与PC机的通讯控制
- 编译原理自顶向下语法分析源代码+实验报告
- 基于STM32F103的W5500 TCP Client测试程序
- Cmake编译PCL1.8.0源码后的工程文件
- 基于51单片机的数字温度计+源代码+仿真+原理图
- OpenGL+FreeType渲染宋体中文
- Altium designer元件库和封装库(含51单片机)
- 清华大学-高等数值分析-插值实验报告
- 2018年及以前经典实时目标跟踪算法代码合集
- effective SNR mapping for modeling frame error rates in multiple-state channels
- PyQT5.10.1_Python3.6.1_VS2013
- 8253 8255接口模拟交通信号灯的实时控制和管理
- 东北大学电子与电路学课件ppt.zip
- 校园一卡通门禁管理系统子系统设计方案
- elasticsearch2.4.4.zip下载（官方原版）
- Synergy最新版本(1.8.2)的win下64位安装包
- DU Meter (网络流量监视)V4.00 汉化特别修正版DUMeter_4.0
- 新能源汽车数模
- gimp-2.10.22
- Rad_Sutido_10.4.2(Hunter)_doc_Build_3842.pdf
- 用C++模拟直线插补（图形）
- 身份证号码检查(check_sfz)
- 计算机视觉（经典。容易入门）
- 整机测试软件
- 武汉大学遥感原理与应用习题
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明