融合多类别基分类器的序列标注算法

王旭阳; 朱鹏飞

doi:10.13873/J.1000-9787(2020)06-0148-03

Chinese

您当前的位置：

首页 >

文章列表页 >

融合多类别基分类器的序列标注算法

计算与测试 | 更新时间：2025-09-11

- 融合多类别基分类器的序列标注算法
- Sequence labeling algorithm based on fusion of multi-class classifiers
- 传感器与微系统 2020年第6期页码：148-150
- 作者机构：
  
  兰州理工大学计算机通信学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2020)06-0148-03
  中图分类号： TP181
- 纸质出版：2020
- 稿件说明：
移动端阅览
王旭阳, 朱鹏飞. 融合多类别基分类器的序列标注算法[J]. 传感器与微系统, 2020,(6):148-150.

WANG Xuyang, ZHU Pengfei. Sequence labeling algorithm based on fusion of multi-class classifiers[J]. 2020, (6): 148-150.
王旭阳, 朱鹏飞. 融合多类别基分类器的序列标注算法[J]. 传感器与微系统, 2020,(6):148-150. DOI： 10.13873/J.1000-9787(2020)06-0148-03.

WANG Xuyang, ZHU Pengfei. Sequence labeling algorithm based on fusion of multi-class classifiers[J]. 2020, (6): 148-150. DOI： 10.13873/J.1000-9787(2020)06-0148-03.

摘要

为了提高小规模数据的序列标注的准确度及提升序列标注算法的适用性

提出一种融合多类别基分类器的序列标注算法

将条件随机场(CRF)、结构化支持向量机(SVM)、最大间隔马尔科夫网进行了有效的融合进行序列标注任务。实验结果表明:提出的算法相较于传统序列标注算法在性能上有明显的改进

并能与深度神经网络完美结合。

Abstract

In order to increase the accuracy of sequence labeling of small-scale data and improve applicability of sequence labeling algorithm

a sequence labeling algorithm based on fusion of multi-category classifiers is proposed. CRF

structured SVM and maximum-interval Markov network are effectively fused for sequence labeling tasks. The experimental results show that the proposed algorithm has a better performance than the traditional sequence labeling algorithm and can be perfectly combined with the deep neural network.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据