Incorporating Multi-granularity Linguistic Units in Character-based Word Segmentation

• 資料種別: 博士論文
• タイトル: Incorporating Multi-granularity Linguistic Units in Character-based Word Segmentation
• 著者・編者: CHAY-INTR, Thodsaporn; Chay-intr, Thodsaporn
• 著者標目: CHAY-INTR, Thodsaporn; Chay-intr, Thodsaporn
• 出版年月日等: 2023-09
• 出版年（W3CDTF）: 2023-09
• 授与機関名: 東京工業大学
• 授与年月日: 2023-09-22
• 報告番号: 甲第12542号
• 学位: 博士(工学)
• 本文の言語コード: eng
• 件名標目: Word segmentation; Representation learning; Linguistic units
• 対象利用者: 一般
• 一般注記: A character sequence tends to comprise segmentation alternatives, leading to segmentation ambiguity. Properly handling this ambiguity using multi-granularity linguistic units, such as character clusters, subwords, and words, can improve word segmentation performance and lessen ambiguous boundary decisions. We conduct a study to investigate the potential of using various linguistic units and leveraging segmentation alternatives for character-based word segmentation. Our experimental results demonstrated improvements in segmentation performance, outperforming previous work on the BCCWJ, CTB6, and BEST2010 datasets in Japanese, Chinese, and Thai, respectively.; identifier:oai:t2r2.star.titech.ac.jp:50672947
• 一次資料へのリンクURL: http://t2r2.star.titech.ac.jp/rrws/file/CTT100902372/ATD100000413/19D10554_CHAY-INTR-Thodsaporn_thesis.pdf （fulltext）; http://t2r2.star.titech.ac.jp/rrws/file/CTT100902372/ATD100000413/19D10554_CHAY-INTR-Thodsaporn_thesis.pdf
• オンライン閲覧公開範囲: インターネット公開
• 連携機関・データベース: 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）; https://irdb.nii.ac.jp
• 提供元機関・データベース: 東京工業大学 : 東京工業大学リサーチリポジトリ