组块识别相关论文
支持向量机是借助于最优化方法解决机器学习问题的工具,利用支持向量机可应用于多分类划分的特点实现汉语中的组块识别.模型使用已......
随着自然语言处理中词法分析的日趋成熟,句法分析已经成为当前研究的重点和难点,组块识别的提出是为了降低完全句法分析的复杂性。通......
组块识别是自然语言浅层句法分析的重要任务之一。它通过采用“分而治之”的策略把句子解析成较小的单元来简化句子结构,并为进一......
在中文信息处理领域中,相比分词、命名实体识别、词性标注等一些浅层自然语言处理任务来说,句法分析、机器翻译、自然语言理解、自......
本文实现了一种基于循序渐进方式的中文句法分析。在每步处理过程中,优先识别出容易识别的组块,这样,将提供更有利的上下文信息进行复......
使用基于规则的ATN(扩充转移网络)模型来识别汉语句子中的组块.通过自定义一种指定格式的文法文件构造规则集,编译该文法文件并构......
句法分析一直是自然语言处理的一个基础性的研究课题,近年来部分分析,也叫浅层分析、组块分析,成为自然语言处理的热点。现在组块......
本文提出用 SVM+Sigmoid 来进行汉语组块识别的方法。SVMs 具有不需要进行认真选取特征的优点,并且在具有高维特征空间的输入数据......
组块分析是一种大大降低句法分析难度的有效手段。本文针对汉语普遍规律,提出了一套符合汉语语言特点的汉语组块体系,并在此基础上设......
该文提出了一种基于CRFs的分布式策略及错误驱动的方法识别汉语组块。该方法首先将11种类型的汉语组块进行分组,结合CRFs构建不同......
摘要: 该文将支持向量机应用到组块识别中,并利用支持向量机算法完成了组块识别任务。实验结果表明支持向量机算法在组块识别中有较......
基于结构风险最小化的SVM(支持向量机)统计学习理论随着样本数量的增加,不仅训练模型的时间开销会非线性地增长,而且分类的时间开销也......
阐述了基于统计的SVM(支持向量机)模型的汉语句子组块识别.SVM模型使用已进行组块标注的语料,通过多种特征参数选择和多分类划分,对数据......
对于越南语组块识别任务,在前期对越南语组块内部词性构成模式进行统计调查的基础上,该文针对Bi-LSTM+CRF模型提出了两种融入注意......
组块分析作为浅层句法分析的代表,既可以满足很多语言信息处理系统对于句法功能的需求,又可以作为子任务,在词法分析和完全句法分......
针对句法分析中细粒度和粗粒度组块识别模型的冲突问题,为解决句法分析中词语搭配规则多、减少搭配优先级变动的影响,提出一种结合......
支持向量机是Vapnik于1995年首先提出的,主要用于解决小样本、非线性和高维模式识别问题,并且能够推广应用到函数拟合等其他机器学......
学位