买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：昆明理工大学

摘要：本发明涉及基于参数迁移的越南语依存句法分析方法，属于自然语言处理领域。本发明包括：构造英语依存句法分析训练模型；构造基于参数迁移的越南语依存句法分析模型；利用英语训练模型获得词性标注部分训练参数，将此训练参数应用于越南语依存句法分析模型当中。本发明针对低资源条件下越南语依存句法分析问题提出基于参数迁移的越南语依存句法分析方法，所提方法解决了语料稀缺情况下越南语模型泛化能力差、学习不充分等问题。

主权项：1.基于参数迁移的越南语依存句法分析方法，其特征在于：所述方法的具体步骤如下：Step1、对双仿射模型进行拆解，将词语与词性标注部分分开，每个部分都会经过编码层、BiLSTM层以及MLP层，从而构造英语依存句法分析训练模型；Step2、训练英语依存句法分析模型，并得到词性标注部分训练参数；在训练越南语依存句法分析模型时，使用英语训练模型得到的词性标注参数，并继续训练越南语依存句法分析模型；所述步骤Step1的具体步骤为：Step1.1、双仿射模型拆解，将英语的词语与词性标注分别进行Embedding编码，得到英语单词向量ww_Ei和英语词性标注向量tp_Ei，英语词语与词性标注的特征向量分别进入对应训练模块；Step1.2、英语单词向量ww_Ei，进入BiLSTM层后得到相应ww_Ei的上下文特征rw_Ei；英语词性标注向量tp_Ei进入BiLSTM层得到相应tp_Ei的上下文特征rp_Ei；Step1.3、经过BiLSTM层后得到rw_Ei和rp_Ei，二者分别经过对应的MLP层，词语部分得到特征和词性标注部分得到特征和 Step1.4、英语词语与对应词性标注都走完Embedding层、BiLSTM层和MLP层之后，将特征向量重新进行相应连接，得到连接特征和 Step1.5、得到连接之后对应的特征向量和之后进入双仿射打分器中进行打分，得到英语句子依存句法分析的相应分数矩阵，将英语的训练模型训练完成；所述步骤Step2的具体步骤为：Step2.1、英语依存句法分析模型训练完成后，将模型参数进行保存；Step2.2、构建越南语依存句法分析模型，在Embedding词嵌入阶段将越南语单词向量wvi和对应词性标注向量tvi进行拼接，得到向量Step2.3、在得到输入特征xvi后，将之通过BiLSTM层并得到每个输入元素的上下文特征rvi；Step2.4、特征rvi经过两个不同的用于降维的多层感知机MLP后分别得到特征和 Step2.5、进入双仿射打分层得到分数矩阵其中U1是k×k维的中间变换矩阵，u2是k×1维的变换矩阵，矩阵H是d个token的特征经过MLP二次编码出来的特征向量h的堆栈形式，其维度为d×k；

全文数据：

权利要求：

百度查询： 昆明理工大学 基于参数迁移的越南语依存句法分析方法