SCIR Club Share "NN Method for NLP Chap6-7"

以下是概览目录。

NLP数据拓扑结构

• 词（误拼）
• 文本（文本分类、情感倾向、主题分类）
• 成对文本（翻译、含义推断）
• 上下文中的词（谓词识别，动词匹配，词性标注）
• 词之间的关系（主语检测，句法，语义角色标注）

NLP特征

直接可测特征

• 特征的可计数性，词袋特征。
• 单独词特征 （词，长度，字符特征，前后缀）
• 词元lemma和词干stem
• 词汇资源 （阴阳性、词型、格、体、数）
• 分布信息
• 文本特征（词袋、权重）
• 上下文词特征（相对窗口、绝对位置）

可推断的语言学特征

• 词性
• 短语结构树与依存句法树（句法关系，句法路径，深度，公共父节点）
• 语义信息：论元角色信息

其他

• 组合特征
• N-gram特征
• 分布特征

NLP特征案例

语言识别

• 二元字母词袋特征

主题分类

• 一、二元文法词袋特征
• lemma或词向量等分布特征
• 给词袋加权：安装信息量加权如tf-idf

作者归属

• 词性一二三四元（pos），功能词（on of the）一二元、距离

词性标注（POS-tag）

• 词本身：前后缀、词元、大词表频率
• 外部：周围单词及其前后缀、前面单词的预测结果
• 特征模板

命名实体识别（NER）

• 如何选择较大的上下文窗口？
  • 左边第一个谓词、右边第一个名词
• 依存分析器信息

弧分解分析，句法分析（Parser)

• 利用头词、修饰词及其pos，窗口内单词及词性