电脑知识与技术
電腦知識與技術
전뇌지식여기술
COMPUTER KNOWLEDGE AND TECHNOLOGY
2010年
19期
5302-5304
,共3页
加减文字题%人工神经网络%支持向量机%关系抽取%文本分类%中文信息处理
加減文字題%人工神經網絡%支持嚮量機%關繫抽取%文本分類%中文信息處理
가감문자제%인공신경망락%지지향량궤%관계추취%문본분류%중문신식처리
加减文字题是小学数学的一个重点和难点问题,长期以来,人们对加减文字题的研究局限于教育学和心理学领域,该文从文本分类以及信息检索的角度出发,将加减文字题中的算术关系看成是一个分类问题,尝试用机器学习的方法来对其进行分类,分别研究了人工神经网络(ANN)和支持向量机(SVM)在加减文字题算术关系抽取中的应用,并对两种算法的试验结果进行了比较和分析.通过分词,关键词选取,构造特征向量,分别运用两种算法对其进行分类.对试验结果进行评测发现,在一定条件下SVM算法明显优于ANN算法.
加減文字題是小學數學的一箇重點和難點問題,長期以來,人們對加減文字題的研究跼限于教育學和心理學領域,該文從文本分類以及信息檢索的角度齣髮,將加減文字題中的算術關繫看成是一箇分類問題,嘗試用機器學習的方法來對其進行分類,分彆研究瞭人工神經網絡(ANN)和支持嚮量機(SVM)在加減文字題算術關繫抽取中的應用,併對兩種算法的試驗結果進行瞭比較和分析.通過分詞,關鍵詞選取,構造特徵嚮量,分彆運用兩種算法對其進行分類.對試驗結果進行評測髮現,在一定條件下SVM算法明顯優于ANN算法.
가감문자제시소학수학적일개중점화난점문제,장기이래,인문대가감문자제적연구국한우교육학화심이학영역,해문종문본분류이급신식검색적각도출발,장가감문자제중적산술관계간성시일개분류문제,상시용궤기학습적방법래대기진행분류,분별연구료인공신경망락(ANN)화지지향량궤(SVM)재가감문자제산술관계추취중적응용,병대량충산법적시험결과진행료비교화분석.통과분사,관건사선취,구조특정향량,분별운용량충산법대기진행분류.대시험결과진행평측발현,재일정조건하SVM산법명현우우ANN산법.