用于中文缺省识别研究的机器学习方法

• 作者: 孔芳 徐生芹 朱巧明 李培峰 秦凯伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 缺省 自然语言处理 句法分析树 机器学习 语料 缺省识别
• 年，卷（期）: 2012,（22）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 130-132
• 分类号: TP391
• 字数: 3185字
• 语种: 中文

摘要

实现一个基于机器学习的中文缺省项识别系统,对语料库进行预处理,选取多个特征及其组合,通过支持向量模型(SVM)构建的缺省识别模型进行中文缺省识别.研究系统在不同句法分析树上的性能.实验结果证明,该识别系统在标准的句法分析树上F值能达到84.01％,在自动句法树上能达到68.22％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱巧明	苏州大学计算机科学与技术学院	261	2058	25.0	31.0
3	李培峰	苏州大学计算机科学与技术学院	138	995	16.0	24.0
9	孔芳	苏州大学计算机科学与技术学院	66	350	11.0	15.0
13	秦凯伟	苏州大学计算机科学与技术学院	2	13	2.0	2.0
17	徐生芹		1	4	1.0	1.0