使用SVMs进行汉语浅层分析

• 作者: 周延泉 王小捷 谭咏梅 钟义信
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 支持向量机 浅层分析 组块
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 论文
• 页码范围: 5-8,13
• 页数: 5页
• 分类号: TP18
• 字数: 2363字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-5321.2008.01.002

摘要

提出了基于support vector machines(SVMs)的汉语浅层分析方法,并且为描述整个层次短语结构定义了10种汉语组块类型.与其他机器学习方法相比,该方法能自动选择对浅层分析有用特征,并能选择出有效的特征组合,较以前的研究可反映识别方向、特征模板、核函数、多分类方法及其组合对基于SVMs的汉语浅层分析性能的影响.在开放语料Chinese TreeBank上,Precision、Recall和FB1平均达到了95.36%、97.30%和96.32%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟义信	北京邮电大学信息工程学院	128	2678	27.0	48.0
2	王小捷	北京邮电大学信息工程学院	35	179	8.0	11.0
3	谭咏梅	北京邮电大学信息工程学院	17	90	6.0	8.0
4	周延泉	北京邮电大学信息工程学院	15	141	7.0	11.0