基于多分类器决策的词义消歧方法

被引：8

作者：

全昌勤 ^{[1
]}

何婷婷 ^{[1
]}

姬东鸿 ^{[1
]}

余绍文 ^{[2
]}

机构：

[1] 华中师范大学计算机科学与技术系

[2] 长江大学计算机科学学院

来源：

计算机研究与发展 | 2006年 / 05期

关键词：

自然语言处理; 词义消歧; 分量分类器; AdaBoost;

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：

词义消歧问题可以形式化为典型的分类问题.通过学习少量带有词义标注的语料构造多个消歧分量分类器,并利用未标语料动态地对这些分类器进行更新,根据最终分量分类器分别对多义词义项的判定结果,组合决策多义词的义项.该方法无需手工构造大规模具有词义标注的语料库,并且具有较高的消歧准确率.

引用

收藏

页码：933 / 939

页数：7

相关论文

共 2 条

[1] Word Sense Disambiguation by Learning Decision Trees from Unlabeled Data [J].

Seong-Bae Park ;

Byoung-Tak Zhang ;

Yung Taek Kim .

Applied Intelligence, 2003, 19 :27-38

[2]

BoosTexter: A Boosting-based System for Text Categorization[J] . Robert E. Schapire,Yoram Singer.Machine Learning . 2000 (2-3)