摘要

词性标注（Part-of-speech tagging）是一项基础性任务，为后续自然语言处理任务提供基本的结构与语义信息。尽管词性标注问题传统上被建模为序列标注任务，但现有的集成方法在后处理阶段均未关注序列对齐问题。本文提出一种基于序列对齐方法的加权集成技术，用于词性标注器。通过该技术，我们设计了一种简单而高效的后处理模块——子序列选择器，其依据序列对齐方法计算出的相似度得分，从候选序列中选择最优子序列。该方法借鉴了已有的DNA序列比对技术，并将其应用于自然语言处理领域。实验中，我们采用多种序列对齐方法，结合三种不同粒度的子序列单元（即序列级、词级和字符级跨度）构建集成模型。在英文与韩文数据集上的实验结果表明，所提出的序列对齐集成方法优于传统的硬投票（hard voting）方法。在不同子序列单元下，多数实验结果均显示F1分数较硬投票方法有所提升，最高提升达0.36，在测试集上显著优于基准方法。