基于String Kernel和KPCA的负实例语法特征提取算法

• 作者: 吕威 姚正安 李磊 林文昶
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: String Kernel 核主成分分析 负实例 特征提取
• 年，卷（期）: 2009,（20）
• 所属期刊栏目: 数据库、信息处理
• 页码范围: 136-139
• 页数: 4页
• 分类号: TP311
• 字数: 4259字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2009.20.041

摘要

提出通过String Kernel方法把负实例语法教据库中的负实例转化成核矩阵,再用Kernel Principal Component Analysis(KPCA)对转换的核矩阵进行特征提取,进而可将原始负实例数据库按照这些特征分成多个容量较小的特征表.通过构造负实例特征索引表设计了一个分类器,待检查的句子通过此分类器被分配到某个负实例特征表里进行匹配搜索,而此特征表的特征属性数和记录数要远远小于原始负实例数据库中的相应数目,从而大大提高了检查的速度,同时不影响语法检查的精度.通过比较测试,可看出提出的方法在保证语法检查精确度的同时有更快的速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚正安	中山大学软件研究所	35	356	9.0	18.0
2	李磊	中山大学软件研究所	117	1028	16.0	29.0
3	林文昶	中山大学软件研究所	2	1	1.0	1.0