朴素贝叶斯算法与Bootstrapping方法相结合的中文物种描述文本语义标注研究

被引：9

作者：

段宇锋 ^{[1
]}

朱雯晶 ^{[2
]}

陈巧 ^{[1
]}

崔红 ^{[3
]}

机构：

[1] 华东师范大学商学院

[2] 上海图书馆上海科学技术情报研究所

[3] 美国亚利桑那大学信息资源与图书馆学学院

来源：

现代图书情报技术 | 2014年 / 05期

关键词：

Bootstrapping方法; 朴素贝叶斯; 物种描述文本; 语义标注;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

【目的】降低中文物种描述文本语义标注的学习成本。【方法】设计基于Bootstrapping的弱监督学习方法,以少量数据为基础,迭代执行学习和标注过程。在迭代过程中,利用置信度最高的标注数据扩充知识库,提升标注能力。【结果】运用15 041条数据测试算法效率,F-value的平均值达到0.911 2。【局限】对过于稀疏的数据,标注效率相对较低。【结论】本研究设计的方法不仅有效降低系统学习对训练数据规模的要求,而且可提高标注效率。

引用

页码：83 / 89

页数：7

共 6 条

[1]

基于贝叶斯分类的中文物种描述文本的语义标注研究[J]. 段宇锋,黑珍珍,鞠菲,崔红. 情报学报. 2012 (08)

[2] 基于自主学习规则的中文物种描述文本的语义标注研究 [J].

段宇锋 ;

黑珍珍 ;

鞠菲 ;

崔红 .

现代图书情报技术, 2012, (05) :41-47

[3] 结合自助抽样的动态数据流贝叶斯分类算法 [J].

琚春华 ;

殷贤君 ;

许翀寰 .

计算机工程与应用 , 2011, (08) :118-121+142

[4] 基于Bootstrapping的本体标注方法 [J].

罗军 ;

高琦 ;

王翊 .

计算机工程, 2010, 36 (23) :85-87

[5]

机器学习[M]. 机械工业出版社 , (美)TomM.Mitchell著, 2003

[6]

Improving predictive models of glaucoma severity by incorporating quality indicators[J] . Lucia Sacchi,Allan Tucker,Steve Counsell,David Garway-Heath,Stephen Swift. Artificial Intelligence In Medicine . 2013

← 1 →