基于LIBSVM的“就是”句句间关系判别方法

摘要：

针对使用规则和机器学习方法判别句间关系时出现因机器学习多次迭代而导致规则权值削弱现象,进而导致判别正确率偏低的问题,提出了在规则和机器学习相结合过程中对导入的明显规则特征进行加强处理的方法.首先,抽取依存词汇、语义、句子结构等具有明显规则的特有特征;然后,基于一些句间关系指示词提取普适的特征;其次,将特征写入待输入的数据向量,并且增加一维向量用来存储出现的明显规则特征;最后,运用LIBSVM模型结合规则和机器学习进行实验.实验结果表明,加强后的实验正确率较之加强前平均提高了两个百分点,各句间关系准确率、召回率、F1值整体上都取得了较好的结果,平均值达到了82.02％、88.95％、84.76％.实验思路和方法对研究句子间联系紧密度具有重要价值.

关键词：句间关系、LIBSVM、机器学习、kappa值、依存词汇

所属期刊栏目：35

分类号：TP399;TP181(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61202281;教育部人文社会科学研究项目青年基金资助项目12YJCZH201

在线出版日期：2015-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1950-1954