计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
18期
180-182
,共3页
李渝勤%甘润生%杨永红%施水才
李渝勤%甘潤生%楊永紅%施水纔
리투근%감윤생%양영홍%시수재
共指消解%特征选择%自然语言处理%支撑向量机%数据词典
共指消解%特徵選擇%自然語言處理%支撐嚮量機%數據詞典
공지소해%특정선택%자연어언처리%지탱향량궤%수거사전
针对基于机器学习的中文共指消解中不同类别名词短语特征向量的使用差异,提出一种基于特征分选策略的方法.该方法在选择特征向量时对人称代词和普通名词短语分别处理,充分利用不同名词短语的已有特征进行共指消解,并减少部分无效特征在共指消解过程中产生的“噪声”.实验结果表明,该中文共指消解方法能提高共指消解的性能,F值达到80.72％.
針對基于機器學習的中文共指消解中不同類彆名詞短語特徵嚮量的使用差異,提齣一種基于特徵分選策略的方法.該方法在選擇特徵嚮量時對人稱代詞和普通名詞短語分彆處理,充分利用不同名詞短語的已有特徵進行共指消解,併減少部分無效特徵在共指消解過程中產生的“譟聲”.實驗結果錶明,該中文共指消解方法能提高共指消解的性能,F值達到80.72％.
침대기우궤기학습적중문공지소해중불동유별명사단어특정향량적사용차이,제출일충기우특정분선책략적방법.해방법재선택특정향량시대인칭대사화보통명사단어분별처리,충분이용불동명사단어적이유특정진행공지소해,병감소부분무효특정재공지소해과정중산생적“조성”.실험결과표명,해중문공지소해방법능제고공지소해적성능,F치체도80.72％.
