Gender and Animacy Knowledge Discovery from Web-Scale N-Grams for Unsupervised Person Mention Detection
Gender and Animacy Knowledge Discovery from Web-Scale N-Grams for Unsupervised Person Mention Detection
复制标题
从网络规模的 N 元语法中发现性别和动画知识，用于无人监督的人物提及检测
DOI：
--
复制
发表时间：
2009
期刊：
影响因子：
--
通讯作者：
Dekang Lin
中科院分区：
文献类型：
--
作者：
Heng Ji;Dekang Lin
在本文中，我们提出了一种简单的方法来发现性别和动物知识的人提及检测。我们使用特定的词汇模式从网络尺度的n-gram中学习名词-性别和名词-动画对计数，然后应用置信度估计度量来过滤噪声。然后，选择的信息对用于在无监督学习框架中检测原始文本中的人物提及。实验表明，这种方法可以达到与需要手动注释语料库和词典的最先进的监督学习方法相当的高性能。
In this paper we present a simple approach to discover gender and animacy knowledge for person mention detection. We learn noun-gender and noun-animacy pair counts from web-scale n-grams using specific lexical patterns, and then apply confidence estimation metrics to filter noise. The selected informative pairs are then used to detect person mentions from raw texts in an unsupervised learning framework. Experiments showed that this approach can achieve high performance comparable to state-of-the-art supervised learning methods which require manually annotated corpora and gazetteers.