摘要

在本研究中，我们探讨了推文（Tweets）的词性标注问题。与新闻报道文章不同，推文通常具有非正式性，且包含大量未登录词（out-of-vocabulary words）。此外，该领域缺乏大规模的标注数据集。为应对这些挑战，我们提出了一种新型神经网络模型，该模型能够有效利用跨域标注数据、无标注的域内数据以及少量标注的域内数据。受对抗神经网络（adversarial neural networks）的启发，所提出的方法通过对抗判别器学习跨域共享的通用特征。同时，我们假设目标域的领域特异性特征应在一定程度上得以保留，因此该方法进一步采用序列到序列的自编码器（sequence-to-sequence autoencoder）来实现这一目标。在三个不同数据集上的实验结果表明，所提出的方法在性能上优于现有的最先进方法。