计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2009年
10期
244-246,261
,共4页
短语识别%遗传算法%隐马尔可夫模型%Viterbi算法%层次分析
短語識彆%遺傳算法%隱馬爾可伕模型%Viterbi算法%層次分析
단어식별%유전산법%은마이가부모형%Viterbi산법%층차분석
为了进一步提高名词短语的识别精度,针对遗传算法和隐马尔可夫模型各自的特点,提出一种基于遗传算法的隐马尔可夫模型识别方法.该方法是在高准确率词性标注的基础上实现的.在训练阶段,用遗传算法获取HMM参数;识别阶段先用一种改进的Viterbi算法进行动态规划,识别同层名词短语,然后用逐层扫描算法和改进Viterbi算法相结合来识别嵌套名词短语.实验结果表明,此联合算法达到了94.78%的准确率和94.29%的召回率,充分融合了遗传算法和隐马尔可夫模型的优点,证明它较单一的隐马尔可夫模型识别法具有更好的识别效果.
為瞭進一步提高名詞短語的識彆精度,針對遺傳算法和隱馬爾可伕模型各自的特點,提齣一種基于遺傳算法的隱馬爾可伕模型識彆方法.該方法是在高準確率詞性標註的基礎上實現的.在訓練階段,用遺傳算法穫取HMM參數;識彆階段先用一種改進的Viterbi算法進行動態規劃,識彆同層名詞短語,然後用逐層掃描算法和改進Viterbi算法相結閤來識彆嵌套名詞短語.實驗結果錶明,此聯閤算法達到瞭94.78%的準確率和94.29%的召迴率,充分融閤瞭遺傳算法和隱馬爾可伕模型的優點,證明它較單一的隱馬爾可伕模型識彆法具有更好的識彆效果.
위료진일보제고명사단어적식별정도,침대유전산법화은마이가부모형각자적특점,제출일충기우유전산법적은마이가부모형식별방법.해방법시재고준학솔사성표주적기출상실현적.재훈련계단,용유전산법획취HMM삼수;식별계단선용일충개진적Viterbi산법진행동태규화,식별동층명사단어,연후용축층소묘산법화개진Viterbi산법상결합래식별감투명사단어.실험결과표명,차연합산법체도료94.78%적준학솔화94.29%적소회솔,충분융합료유전산법화은마이가부모형적우점,증명타교단일적은마이가부모형식별법구유경호적식별효과.
