文献类型：期刊文章

作　　者：李珩[1] 朱靖波[1] 姚天顺[1]

机构地区：[1]东北大学计算机软件与理论研究所,辽宁沈阳110004

出　　处：《中文信息学报》

基　　金：国家自然科学基金资助项目 (6 0 0 830 0 6 ) ;国家重点基础研究发展规划 973资助项目(G19980 30 5 0 11) ;国家自然科学基金和微软亚洲研究院联合资助项目 (6 0 2 0 30 19)

年　　份：2004

卷　　号：18

期　　号：2

起止页码：1-7

语　　种：中文

收录情况：BDHX、BDHX2000、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

摘　　要：基于SVM(supportvectormachine)理论的分类算法 ,由于其完善的理论基础和良好的实验结果 ,目前已逐渐引起国内外研究者的关注。和其他分类算法相比 ,基于结构风险最小化原则的SVM在小样本模式识别中表现较好的泛化能力。文本组块分析作为句法分析的预处理阶段 ,通过将文本划分成一组互不重叠的片断 ,来达到降低句法分析的难度。本文将中文组块识别问题看成分类问题 ,并利用SVM加以解决。实验结果证明 ,SVM算法在汉语组块识别方面是有效的 ,在哈尔滨工业大学树库语料测试的结果是F =88 6 7%,并且特别适用于有限的汉语带标信息的情况。

关 键 词：计算机应用 中文信息处理 支持向量机 结构风险最小化 文本组块  SVM 分类算法  

分 类 号：TP391]