Métodos rápidos para el análisis de texto basado en núcleos

El aprendizaje basado en núcleos (por ejemplo, Máquinas de Soporte Vectorial) se ha aplicado con éxito a muchos problemas difíciles en el Procesamiento de Lenguaje Natural (NLP). En NLP, aunque las combinaciones de características son cruciales para mejorar el rendimiento, se seleccionan heurísticamente. Los métodos de núcleo cambian esta situación. El mérito de los métodos de núcleo es que la combinación efectiva de características se expande implícitamente sin pérdida de generalidad y aumentando los costos computacionales. El análisis de texto basado en núcleos muestra un excelente rendimiento en términos de precisión; sin embargo, estos métodos suelen ser demasiado lentos para aplicarse al análisis de texto a gran escala. En este documento, extendemos un algoritmo de Minería de Canasta para convertir un clasificador basado en núcleos en un clasificador lineal simple y rápido. Los resultados experimentales en el Chunking de BaseNP en inglés, la Segmentación de Palabras en japonés y el Análisis de Dependencia en japonés muestran que nuestros nuevos clasificadores son de 30 a 300 veces más rápidos que los clasificadores estándar basados en núcleos.