跨语言论文阅读笔记———第一篇

Cross-lingual Transfer of Named Entity Recognizers
without Parallel Corpora

1.布朗聚类：

布朗聚类是一种针对词汇的聚类方法，Input是一系列的文章或者句子，Output有两种：

第一种是：一系列的词组，具体多少个类看你之前的设定：

第二种是：每个词都有一长串的二进制码，用类似霍夫曼编码的方式对每个词进行编码

可以显而易见的是，前缀相似度更高的词就越相近

什么样的词汇相似呢？一个直觉的想法就是：相似的词出现在相似的位置。

更精确的说法就是：相似词的前驱词和后继词的分布相似，也就是它前面的词和后面的词出现得是相似的。