基于错误驱动算法组合分类器及其在问题分类中的应用

被引：18

作者：

李鑫

黄萱菁

吴立德

机构：

[1] 复旦大学计算机科学系

来源：

计算机研究与发展 | 2008年 / 03期

关键词：

问题分类; 问题回答系统; 支持向量机; 基于转换的错误驱动学习; 依存关系;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

开放领域问答系统(QA)能够给用户提供相对简洁、准确的结果,越来越受到人们的关注.问题分类把问题分成若干语义类型,是QA系统的一个重要的模块,它的准确性直接影响到QA系统的性能.为提高分类器性能,在问题分类任务中使用了集成学习方法,并且实验比较了词汇、句法、同义词集等不同的分类特征及错误驱动、投票法、BP神经网络等分类器集成方法.通过采用基于错误驱动集成分类器,用规则方法TBL作为统计方法SVM的补充;利用来自Wordnet的同义词集和名词的上位概念及Minipar的依存关系等语言知识作为分类特征,在公开测试集中取得了更高的分类精度.

引用

页码：535 / 541

页数：7

共 3 条

[1] 支持向量机及其在模式识别中的应用 [J].