《表3 中文分词相关的多任务联合模型文献分析》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《中文分词技术研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

自然语言处理包括多个相关子任务。其中，与中文分词任务最紧密关联的任务是词性标注（Partof-Speech Tagging，POS Tagging）和依存句法分析（Dependency Parsing）。已有中文分词相关的多任务处理研究中，被研究最多的是中文分词和词性标注；其次为中文分词、词性标注和依存句法分析。除此之外，多任务还包括中文分词和依存句法分析；所有相关任务的自然语言处理统一框架；中文分词和未登录词识别；中文分词和非正式词检测；中文分词和中文正确拼写；中文分词和命名实体识别。筛选并统计分析重要的多任务联合模型研究，如表3所示。现有研究基本都是基于2004年Ng等[76]提出的交叉标记思想，再结合具体任务设计出一种统一的多任务标注方式，最后提出多任务联合的深度学习模型。融入依存句法和已有知识后，CNN和RNN都不能很好地解决这种具有网络结构的模型，图深度学习模型[74]开始被自然语言处理研究人员关注，未来如何结合和改进深度学习中的图深度学习模型[92]实现多任务学习，将成为重点研究方向。