排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
本介绍了一种基于范例的学习方法。首先概要介绍了当今汉语句法分析的发展情况及句法分析的难点。然后,描述了一种简单实用的用于句法分析的方法--基于范例的学习方法。 相似文献
2.
利用错误驱动法、支持向量机法和隐马尔可模型三种方法对汉语文本进行名词短语识别,对实验进行比较分析,结果表明SVM与HMM的识别效果总体上要好于错误驱动法,HMM法在封闭测试中优势明显.研究表明错误驱动法应用于解决从语料库中学习转换规则的传统问题;SVM方法适用于解决两类别的分类问题;而HMM方法侧重应用在与线性序列相关的现象上. 相似文献
3.
WWW中文信息自动分类方法研究 总被引:6,自引:0,他引:6
本文采用一种基于词的归类技术。在类别词专指度的计算中 ,考虑了类别词在语料中的频度、集中度和分布性等因素。根据HTML语言的标记特性 ,应用三维加权分类算法计算类别权值。采用Bayes公式变型 ,计算WWW中文信息文件归类可信度 ,并按可信度最大归类。对 10 8篇试语料进行测试 ,封闭测试的归类正确率为98 1% ,开放测试的正确率为 83 3%。 相似文献
4.
基于SVM的汉语动词短语识别 总被引:3,自引:0,他引:3
支持向量机(Support Vector Machines,SVM)是一个很有前途的分类新技术。本将支持向量机应用到汉语短语识别中,提出了一种基于支持向量机的汉语动词短语自动识别算法的设计与实现,和传统的基于规则的方法相比取得了比较满意的结果。 相似文献
5.
1