基于MapReduce的中文词性标注CRF模型并行化训练研究

针对条件随机场模型面对大规模数据传统训练算法单机处理性能不高的问题, 提出一种基于MapReduce框架的条件随机场模型训练并行化方法, 设计了条件随机场模型特征提取及参数估计的并行算法, 实现了迭代缩放算法的并行。实验表明, 所提出的并行化方法在保证训练结果正确性的同时, 大大减少了训练时间, 效率得到较大提升。     

科技术语的词类

术语的词性,不论以显式标注还是以隐式推知,对术语的正确定名、汉英对应、行文搭配及准确定义均具有重要意义。在各学科的术语集中,名词性术语自然占绝大多数;动词性和形容词性术语所占比例虽然相对较少,但其重要性却不容小视;其他词性（副词、数词、介词和连词）的术语在不少学科中也偶有所见,不能绝对排除。本文对所见的每一词类的术语都给出例证。