基于大间隔方法的汉语组块分析

• 作者: 周俊生 戴新宇 曲维光 陈家骏
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 汉语组块分析 大间隔 判别式学习 损失函数
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 870-877
• 页数: 8页
• 分类号: TP391
• 字数: 6802字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2009.03233

摘要

汉语组块分析是中文信息处理领域中一项重要的子任务.在一种新的结构化SVMs(support vector machines)模型的基础上,提出一种基于大间隔方法的汉语组块分析方法.首先,针对汉语组块分析问题设计了序列化标注模型;然后根据大间隔思想给出判别式的序列化标注函数的优化目标,并应用割平面算法实现对特征参数的近似优化训练.针对组块识别问题设计了一种改进的F1损失函数,使得F1损失值能够依据每个句子的实际长度进行相应的调整,从而能够引入更有效的约束不等式.通过在滨州中文树库CTB4数据集上的实验数据显示,基于改进的F1损失函数所产生的识别结果优于Hamming损失函数,各种类型组块识别的总的F1值为91.61%,优于CRFs(conditional random fields)和SVMs方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈家骏	南京大学计算机软件新技术国家重点实验室	61	1082	18.0	31.0
2	戴新宇	南京大学计算机软件新技术国家重点实验室	29	630	12.0	25.0
3	曲维光	南京师范大学计算机科学系	52	547	14.0	21.0
4	周俊生	南京大学计算机软件新技术国家重点实验室	6	374	5.0	6.0