@进行中{scholivet-ramisch-2017-鉴定,title=“使用序列模型和词汇资源识别歧义多词表达式”,author=“Scholivet、Manon和Carlos Ramisch“,editor=“Markantonatou、Stella和Ramisch、Carlos和萨瓦里、阿加塔和Vinze,Veronika“,booktitle=“第十三届多词表达研讨会论文集({MWE}2017)”,月=四月,year=“2017”,address=“西班牙巴伦西亚”,publisher=“计算语言学协会”,url=“https://aclantology.org/W17-1723”,doi=“10.18653/v1/W17-1723”,pages=“167--175”,abstract=“我们提出了一种简单有效的标记器,能够识别法语文本中高度模糊的多词表达式(MWE)。它基于条件随机场(CRF),使用本地上下文信息作为功能。我们表明,在某些情况下,这种方法可以获得更复杂的基于解析器的MWE识别方法,而不需要树库中的语法树。此外,我们还研究了CRF对来自词典的外部信息的考虑程度。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“scholivet-ramisch-2017-identification”><标题信息>使用序列模型和词汇资源识别歧义多词表达</titleInfo><name type=“personal”><namePart type=“given”>Manon</namePart>肖利维特<角色>作者</角色></name><name type=“personal”>卡洛斯拉米什<角色>作者</角色></name><originInfo>2017-04发布日期</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第十三届多词表达研讨会会议记录(MWE 2017)</titleInfo><name type=“personal”>斯特拉马克安托纳图<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>卡洛斯拉米什<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”><namePart type=“given”>阿加塔<namePart type=“family”>野蛮</namePart><角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>维罗尼卡文斯<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><originInfo>计算语言学协会<位置>西班牙巴伦西亚</place></originInfo>会议出版物</relatedItem><abstract>我们提供了一个简单高效的标记器,能够识别法语文本中高度模糊的多词表达式(MWE)。它基于条件随机场(CRF),使用局部上下文信息作为特征。我们表明,在某些情况下,这种方法可以获得更复杂的基于解析器的MWE识别方法,而不需要树库中的语法树。此外,我们还研究了CRF对来自词典的外部信息的考虑程度</摘要><identifier type=“citekey”>scholivet-ramisch-2017标识</identifier>10.18653/v1/W17-1723<位置><网址>https://aclantology.org/W17-1723</url></位置><部分>2017年4月4日<扩展单元=“page”><开始>167<end>175</范围></部分></模块></modsCollection>
%0会议记录%基于序列模型和词汇资源的歧义多词表达的T识别%A Scholivet,马农%卡洛斯·拉米什%Y Markantonatou,斯特拉%卡洛斯·拉米什%阿加塔·萨瓦里%维罗尼卡·Y·文斯%第十三届多词表达研讨会论文集(MWE 2017)%D 2017年%4月8日%计算语言学协会%西班牙巴伦西亚%F scholivet-ramisch-2017标识%我们提出了一种简单有效的标记器,能够识别法语文本中高度模糊的多词表达式(MWE)。它基于条件随机场(CRF),使用局部上下文信息作为特征。我们表明,在某些情况下,这种方法可以获得更复杂的基于解析器的MWE识别方法,而不需要树库中的语法树。此外,我们还研究了CRF对来自词典的外部信息的考虑程度。%10.18653/v1/W17-1723兰特%U型https://acl选集.org/W17-1723%U型https://doi.org/10.18653/v1/W17-1723%电话167-175
降价(非正式)
[使用序列模型和词汇资源识别歧义多词表达](https://aclantology.org/W17-1723)(Scholivet&Ramisch,MWE 2017)
国际计算语言学协会