谓词自动识别中的特征选择度量研究

• 作者: 张宜浩 金澎
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 谓词识别 特征选择 同义词词林 信息增益 支持向量机
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 研究与实现
• 页码范围: 188-192
• 分类号: TP391
• 字数: 4425字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2012.09.034

摘要

谓词的自动识别是浅层句法分析的重要内容.本文提出了基于支持向量机分类算法的谓词自动识别方法,重点描述了在特征构建过程中基于信息增益的特征筛选方法与基于同义词词林的特征词度量方法.信息增益方法选取对分类影响较大的特征,降低了特征维度;同义词词林的度量方法将特征词映射为深层次的语义概念,增强了特征的表达能力,强调了属性特征与模型的相关度.在小规模语料库上的实验表明,谓词识别的最好F-Score达到了84.0％,相较于对数据无任何处理的情况F-Score提高了4.6％.结果表明,这种新的特征筛选与特征度量方法在谓词识别中十分有效,可以极大提高分类器的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金澎	乐山师范学院智能信息处理与应用实验室	19	116	6.0	10.0
2	张宜浩	乐山师范学院计算机科学学院	2	12	2.0	2.0