Braucht Nominalphrasenerkennung linguistisches Wissen?

Maschinelles Lernen wird häufig zur effzienten Annotation großer Datenmengen eingesetzt. Die Forschung zu maschinellen Lernverfahren beschränkt sich i.a. darauf unterschiedliche Lernverfahren zu vergelichen oder die optimale größe der Trainingsdaten zu bestimmen. Bisher wurde jedoch nicht untersucht, in wie weit sich linguistisches Wissen bei der Aufgabendefinition positiv auswirken kann. Dies soll hier anhand des Lernens von Base-Nominalphrasen mit drei unterschiedlichen Definitionen untersucht werden. Die Definitionen unterscheiden sich im Grad der linguistisch motivierten Erweiterungen, die zu einer eher praktisch motivierten ersten Definition hinzu kamen. Die Untersuchungen ergaben, dass sich die Anzahl der falsch klasssifizierten Wörter um ein Drittel reduzieren lässt.

Metadaten
Verfasserangaben:	Sandra Kübler ORCiD GND
URN:	urn:nbn:de:hebis:30-1110537
URL:	http://cl.indiana.edu/~skuebler/papers/gldv01.ps
ISBN:	3-8311-2160-5
Herausgeber*in:	Henning Lobin
Dokumentart:	Preprint
Sprache:	Deutsch
Jahr der Fertigstellung:	2001
Jahr der Erstveröffentlichung:	2001
Veröffentlichende Institution:	Universitätsbibliothek Johann Christian Senckenberg
Datum der Freischaltung:	21.10.2008
GND-Schlagwort:	Maschinelles Lernen; Nominalphrase
Seitenzahl:	10
Bemerkung:	Erschienen in: Henning Lobin (Hrsg.): Sprach- und Texttechnologie in digitalen Medien. Proceedings der GLDV-Frühjahrstagung 2001. 28.-30. März 2001 Justus-Liebig-Universität Gießen, Norderstedt : Libri Books on Demand, 2001, ISBN 3-8311-2160-5
Quelle:	http://jones.ling.indiana.edu/~skuebler/papers/gldv01.ps ; GLDV Frühjahrstagung, Universität Gießen, hrsg. v. Henning Lobin (Gießen 2001).
HeBIS-PPN:	206759576
Institute:	keine Angabe Fachbereich / Extern
DDC-Klassifikation:	4 Sprache / 40 Sprache / 400 Sprache
Sammlungen:	Linguistik
Lizenz (Deutsch):	Deutsches Urheberrecht

Open Access