Red Neuronal Tensor de Margen Máximo para la Segmentación de Palabras Chinas

Recientemente, los modelos de redes neuronales para tareas de procesamiento de lenguaje natural han sido cada vez más enfocados por su capacidad para aliviar la carga de la ingeniería de características manual. En este documento, proponemos un novedoso modelo de red neuronal para la segmentación de palabras chinas llamado Red Neuronal Tensor de Margen Máximo (MMTNN). Al explotar incrustaciones de etiquetas y transformaciones basadas en tensores, MMTNN tiene la capacidad de modelar interacciones complicadas entre etiquetas y caracteres de contexto. Además, se propone un nuevo enfoque de factorización de tensor para acelerar el modelo y evitar el sobreajuste. Los experimentos en el conjunto de datos de referencia muestran que nuestro modelo logra mejores rendimientos que los modelos de redes neuronales previos y que nuestro modelo puede alcanzar un rendimiento competitivo con una mínima ingeniería de características. A pesar de que la segmentación de palabras chinas es un caso específico, MMTNN puede ser fácilmente generalizado y aplicado a otras tareas de etiquetado de secuencias.