摘要

与许多自然语言处理任务类似，泰语分词也具有领域依赖性。研究人员通常依赖迁移学习，将现有模型适配到新领域。然而，当只能与模型的输入层和输出层进行交互（即所谓的“黑箱”模型）时，该方法便无法适用。为此，我们提出了一种基于堆叠集成学习范式的“过滤-精炼”解决方案，以应对这一黑箱限制。通过大量实验，我们将该方法与当前最先进的模型及迁移学习方法进行了对比。实验结果表明，所提出的方案是一种有效的领域自适应方法，其性能与迁移学习方法相当。