摘要
序列标注是一种在自然语言处理中具有基础性意义的任务，其目标是对输入序列中的每个词元（token）依次赋予一个类别或标签。近年来，众多先进的神经网络架构被提出以解决序列标注问题。相比之下，针对序列集成（sequential ensemble）问题的研究则相对较少。本文通过在所提出的集成框架中引入序列对齐方法，有效解决了序列集成问题。具体而言，我们提出了一种简单而高效的集成候选生成框架，仅需一个神经序列标注网络即可便捷地构建多个异构系统。为验证该框架的有效性，我们在词性标注（POS tagging）和依存标签预测任务上进行了实验。结果表明，在Penn Treebank词性标注数据集和通用依存标注数据集上，所提框架的准确率分别比硬投票（hard-voting）方法提升了0.19和0.33个百分点。