中文口语理解弱监督训练方法

来源：计算机应用杂志2015年第7期北京时间：

作者：李艳玲, 颜永红

单位：1. 内蒙古师范大学 计算机与信息工程学院, 呼和浩特 010022;2. 中国科学院语言声学与内容理解重点实验室(中国科学院声学研究所), 北京 100190

摘要：标注数据的获取一直是有监督方法需要面临的一个难题,针对中文口语理解任务中的意图识别研究了结合主动学习和自训练、协同训练两种弱监督训练方法,提出在级联框架下,从关键语义概念识别中获取语义类特征子集和句子本身的字特征子集分别作为两个"视角"的特征进行协同训练。通过在中文口语语料上进行的实验表明:结合主动学习和自训练的方法与被动学习、主动学习相比较,可以最大限度地降低人工标注量;而协同训练在很少的初始标注数据的前提下,利用两个特征子集进行协同训练,最终使得单一字特征子集上的分类错误率平均下降了0.52%。

关键词：意图识别,口语理解,弱监督训练,协同训练,主动学习

基金资助：国家自然科学基金资助项目(10925419, 90920302, 61072124, 11074275, 11161140319, 91120001, 61271426);中国科学院战略性先导科技专项(XDA06030100,XDA06030500);国家863计划项目(2012AA012503);中国科学院重点部署项目(KGZD-EW-103-2);内蒙古师范大学"十百千"人才培养工程项目;内蒙古自然科学基金面上项目(2012MS0930,2013MS0912);内蒙古自治