原文服务方: 计算机应用研究       
摘要:
在应用基本的支持向量机算法的基础上,提出了一种分步递增式学习的方法,利用主动学习的策略对训练样本进行选择,逐步增大提交给学习器训练样本的规模,以提高学习器的识别精度.实验表明,采用主动学习策略的支持向量机算法是有效的,在实验中,中文机构名识别的正确率和召回率分别达到了81.7%和86.8%.
推荐文章
基于Tri-training半监督学习的中文组织机构名识别
中文组织机构名
半监督学习
协同训练
Tri-training
基于统计的中文组织机构名识别
组织机构名
自动识别
中文信息处理 构词可信度
基于最大熵的中文组织机构名识别模型
最大熵
中文组织机构名
识别
自然语言处理
基于Tri-training半监督学习的中文组织机构名识别
中文组织机构名
半监督学习
协同训练
Tri-training
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量机方法的中文组织机构名的识别
来源期刊 计算机应用研究 学科
关键词 机构名识别 支持向量机 主动学习
年,卷(期) 2008,(2) 所属期刊栏目 算法研究探讨
研究方向 页码范围 362-364,367
页数 4页 分类号 TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2008.02.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘慧 上海交通大学计算机科学系 29 189 9.0 13.0
2 陈玉泉 上海交通大学计算机科学系 19 255 7.0 15.0
3 陈霄 上海交通大学计算机科学系 1 28 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (1807)
参考文献  (3)
节点文献
引证文献  (28)
同被引文献  (48)
二级引证文献  (65)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(8)
  • 引证文献(8)
  • 二级引证文献(0)
2011(8)
  • 引证文献(4)
  • 二级引证文献(4)
2012(6)
  • 引证文献(3)
  • 二级引证文献(3)
2013(11)
  • 引证文献(3)
  • 二级引证文献(8)
2014(9)
  • 引证文献(2)
  • 二级引证文献(7)
2015(11)
  • 引证文献(2)
  • 二级引证文献(9)
2016(9)
  • 引证文献(1)
  • 二级引证文献(8)
2017(8)
  • 引证文献(0)
  • 二级引证文献(8)
2018(9)
  • 引证文献(2)
  • 二级引证文献(7)
2019(8)
  • 引证文献(1)
  • 二级引证文献(7)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
机构名识别
支持向量机
主动学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导