探索分类模型中加入词性和句法特征

最近一直在作的意看法释挖掘任务，尝试加入词性特征和句法特征来提升性能。

1、方法

调研了一下大概能够有3种方法在分类模型中加入句法特征：

1. 直接使用stanford nlp工具获得每一个词的父亲结点信息做为该词的句法特征加入分类模型。

2. 用treelstm训练树型结构模型，获得树中每一个结点的信息，获取每一个词在树中的位置信息做为句法特征。这种方法与方法1相比，不只包含了父亲结点的信息，还包含有如树深等更多的信息。

3. 参考师兄coling论文中的方法，使用Biaffine parse模型的MLP隐层信息做为句法特征加入分类模型。这种方法与方法1相比，减小了由stanford nlp的错误结果带来的影响，与方法2相比，MLP隐层信息中不只包含父亲结点信息，还包含了弧上关系信息。

 

2、实验结果

想要加入词性和句法特征就须要对语料进行分词，因此先用结巴分词进行分词以后，在分类模型中分别加入词性特征和句法特征，获得了以下表1的实验结果：

表1 加入词性和句法特征的意看法释分类结果

 

3、结果分析

实验结果代表，在乎看法释分类模型中加入句法特征不能提高分类性能。可是同时咱们也能够发现，只加入词性特征的分类模型能获得比以前Baseline模型更高的分类效果，这说明词性特征是对分类有效的。