魏海超
- 作品数：1 被引量：3H指数：1
- 供职机构：辽宁工程技术大学软件学院更多>>
- 发文基金：辽宁省高校创新团队支持计划辽宁省高等学校杰出青年学者成长计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- W-POS语言模型及其选择与匹配算法被引量：3
- 2015年
- n-grams语言模型旨在利用多个词的组合形式生成文本特征,以此训练分类器对文本进行分类。然而n-grams自身存在冗余词,并且在与训练集匹配量化的过程中会产生大量稀疏数据,严重影响分类准确率,限制了其使用范围。对此,基于n-grams语言模型,提出一种改进的n-grams语言模型——W-POS。将分词后文本中出现概率较小的词和冗余词用词性代替,得到由词和词性的不规则排列组成的W-POS语言模型,并提出该语言模型的选择规则、选择算法以及与测试集的匹配算法。在复旦大学中文语料库和英文语料库20Newsgroups中的实验结果表明,W-POS语言模型既继承了n-grams语言模型减少特征数量、携带部分语义和提高精度的优点,又克服了n-grams语言模型产生大量稀疏数据、含有冗余词的缺陷,并验证了选择和匹配算法的有效性。
- 邱云飞刘世兴魏海超邵良杉
- 关键词：词性冗余度稀疏数据
