基于实例的词性标注数据错误检测

摘要

由于深度学习框架在可解释性上的缺乏，本文将基于实例的方法首次应用到词性标注数据错误检测任务，旨在充分利用模型学到的实例之间的相似度信息。首先，本文基于预训练语言模型，实现了基于实例的词性标注模型，在CTB7数据集上的预测准确率和基于标准分类器的模型相当，达96.76%。进而，本文提出了一种基于实例的标注错误检测方法。为了获得真实检错数据集，本文采用不同方法对CTB7测试集进行自动错误检测，并人工标注候选错误，最终获得2 016个真实标注错误，约占所有8万多词中的2.5%。检错数据集上的实验表明，基于实例的方法的检错准确率达41.48%。

关键词

词性分类 / 标注错误数据集 / 语义相似度 / CTB7数据集

基金资助

国家自然科学基金（62176173）; 江苏高校优势学科建设工程资助项目