智能计算机与应用
智能計算機與應用
지능계산궤여응용
Computer Study
2014年
2期
29-31,35
,共4页
名实体分类%神经网络%DBN%字特征
名實體分類%神經網絡%DBN%字特徵
명실체분류%신경망락%DBN%자특정
Named Entities Categorization%Neural Network%DBN%Character-based Feature
DBN是一种快速全局最优的神经网络分类方法,包含数层无监督学习网络和一层有监督学习网络。本文验证了DBN方法很好地适用于中文名实体分类任务。首先,采用多层RBM方法无监督地从字特征向量提取结构信息,得到更具有表征能力的特征;然后,利用BP方法微调网络参数并对提取后的特征向量进行分类,以此构成分类器进行名实体分类。通过对 ACE 04的中文名实体进行的分类测试,准确率达到91.45%,明显高于支持向量机和反向传播神经网络等传统分类算法。
DBN是一種快速全跼最優的神經網絡分類方法,包含數層無鑑督學習網絡和一層有鑑督學習網絡。本文驗證瞭DBN方法很好地適用于中文名實體分類任務。首先,採用多層RBM方法無鑑督地從字特徵嚮量提取結構信息,得到更具有錶徵能力的特徵;然後,利用BP方法微調網絡參數併對提取後的特徵嚮量進行分類,以此構成分類器進行名實體分類。通過對 ACE 04的中文名實體進行的分類測試,準確率達到91.45%,明顯高于支持嚮量機和反嚮傳播神經網絡等傳統分類算法。
DBN시일충쾌속전국최우적신경망락분류방법,포함수층무감독학습망락화일층유감독학습망락。본문험증료DBN방법흔호지괄용우중문명실체분류임무。수선,채용다층RBM방법무감독지종자특정향량제취결구신식,득도경구유표정능력적특정;연후,이용BP방법미조망락삼수병대제취후적특정향량진행분류,이차구성분류기진행명실체분류。통과대 ACE 04적중문명실체진행적분류측시,준학솔체도91.45%,명현고우지지향량궤화반향전파신경망락등전통분류산법。
DBN is a classification of fast and global optimum neural network .It contains several layers of unsupervised net-works and one layer of supervised network .The paper approves this novelty machine learning approach is suitable to the do -main of named entity categorization .The paper applies RBM ,an unsupervised learning method , to reconstruct more repre-sentative features from character-based features .Subsequently , the paper utilizes BP , a supervised learning method , to fine-tune parameters in whole network and accomplish the categorization task .In the end, the paper tests DBN on ACE 04 Chinese corpus and achieve 91.45%precision, which is much better than Support Vector Machine and Back-propagation neural network .