大庆石油学院学报
大慶石油學院學報
대경석유학원학보
JOURNAL OF DAQING PETROLEUM INSTITUTE
2011年
2期
91-94
,共4页
条件随机域%最大熵%分类器融合%特征提取%生物医学命名实体识别
條件隨機域%最大熵%分類器融閤%特徵提取%生物醫學命名實體識彆
조건수궤역%최대적%분류기융합%특정제취%생물의학명명실체식별
鉴于生物医学命名实体识别的多数模型使用单机器学习算法时识别效果不好,提出一种基于条件随机域(CRFs)与最大熵(Maxent)分类器融合的方法,利用基分类器之间的相关性和互补性,结合有效的特征集合,进行再学习,得到融合模型.实验表明,该模型的识别性能与单一分类器和JNLPBA专题会议相关的系统比较,取得很好成绩,F测度达到70.7%,证明该融合方法有效.
鑒于生物醫學命名實體識彆的多數模型使用單機器學習算法時識彆效果不好,提齣一種基于條件隨機域(CRFs)與最大熵(Maxent)分類器融閤的方法,利用基分類器之間的相關性和互補性,結閤有效的特徵集閤,進行再學習,得到融閤模型.實驗錶明,該模型的識彆性能與單一分類器和JNLPBA專題會議相關的繫統比較,取得很好成績,F測度達到70.7%,證明該融閤方法有效.
감우생물의학명명실체식별적다수모형사용단궤기학습산법시식별효과불호,제출일충기우조건수궤역(CRFs)여최대적(Maxent)분류기융합적방법,이용기분류기지간적상관성화호보성,결합유효적특정집합,진행재학습,득도융합모형.실험표명,해모형적식별성능여단일분류기화JNLPBA전제회의상관적계통비교,취득흔호성적,F측도체도70.7%,증명해융합방법유효.