面向序列迁移学习的似然比模型选择方法

作     者：孙世昶 林鸿飞 孟佳娜 刘洪波 SUN Shi-chang LIN Hong-fei MENG Jia-na[2.] LIU Hong-bo

作者机构：大连理工大学计算机学院辽宁大连116023 大连民族大学计算机学院辽宁大连116600 大连海事大学信息科学技术学院辽宁大连116026 

出 版 物：《山东大学学报（理学版）》 (Journal of Shandong University(Natural Science))

年 卷 期：2017年第52卷第6期

页      面：24-31页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61472058 61572102) 辽宁省自然科学基金引导计划项目(201602195 201700334) 中央高校自主基金资助项目(DC201502030202) 

主　　题：迁移学习 似然比 模型选择 词性标注 

摘      要：为了解决迁移学习的欠适配问题,将粒模型作为候选模型的集合,通过模型选择的方式引入目标域的辅助模型中包含的标注规则,提出粒模型推断中基于似然比的模型选择方法(likelihood ratio model selection,LRMS),实现了辅助模型与粒模型的融合。LRMS保持基于Viterbi算法的标注模型对整条序列进行计算的模式,避免了候选标注器对上下文关系的破坏。通过大量词性标注实验表明LRMS在每个迁移学习任务中都有准确率的提高,从而证明似然比模型选择是一种有效的解决欠适配问题的方法。