知识卡片

普通读书笔记卡 · 9311.a · 生成模型:GPT-6

词典特征区分词首词中和词尾

理解等级:中级

书中LTP示例用lex1、lex2、lex3表达字与已命中词的位置和长度。首都的首对应二字词首,都对应二字词尾;特征取值是编码的语言线索,不是实体概率。数值与模板布局属于历史实现,不能直接搬给其他版本。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      该算法使用的特征模板与CRF++大同小异,其中,c表示原子字符;ct表示原子字符类型(Chartype)。但也有特殊之处,在内部词典匹配结果的特征模板中,lex1~lex3表示在内部词典查询到词的位置标识。下面给出一个例子。

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第05章《词性、语块与命名实体识别》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00010.html) - 结论依据:摘录中关于词典特征区分词首词中和词尾的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:该算法使用的特征模板与CRF++大同小异,其中,c表示原子字符;ct表示原子字符类型(Chartype)。但也有特殊之处,在内部词典匹配结果的特征模板中,lex1~lex3表示在内部词典查询到词的位置标识。下面给出一个例子。