为能在缺乏粤语分词语料的情况下进行粤语研究，提出一种基于无监督与有监督结合的粤语分词方法。利用多源语料完成粤语词库的构建；利用二元字典与粤语词库对初步结果进行初筛分词和二次分词；利用DAG对粤语通用句式切分错误进行分析并修正；将修正后的粤语分词语料利用深度学习模型固化分词效果，得到基于Bert-BiLSTM-CRF三层架构的分词模型。实验结果表明，该方法能有效克服预分词语料的缺失问题，在无需大量分词语料的情况下，F值达到74.3%。
科研之友
微信
新浪微博
Facebook
分享链接
