影响支持向量机模型语步自动识别效果的因素研究

论文摘要

【目的】探讨在基于支持向量机（SVM）模型的科技论文摘要自动语步识别过程中,训练样本的规模、N元词（N-gram）的N取值、停用词以及词频加权方式等特征对识别效果的影响。【方法】从72万余篇科技论文结构化摘要中,抽取出总计110多万条已标注好的语步为实验数据,构建SVM模型进行语步识别实验。采用控制变量方法,基于单一变量原则,通过改变训练样本量、N-gram的N取值、是否去除停用词、词频加权方式,对比分析这些特征变化对语步识别效果的影响。【结果】训练样本数量为60万条语步、N元词的N取值为[1,2]、不去除停用词、词频加权方式采用TF-IDF时模型识别效果最好,为93.50%。【局限】主要以笔者收集的结构化论文摘要为训练和测试语料,未与其他人的结果比较。【结论】训练样本规模以及一些精细的特征对传统机器学习模型的效果有重要影响,使用者在实践中需要根据具体情况进行精细的特征选取。

论文目录

• 1 引言
• 2 研究方法
•   2.1 研究工具
•   2.2 构建训练和测试数据集
•   2.3 SVM模型构建
•   2.4 模型性能评估
•   2.5 实验过程
• 3 实验结果分析
•   3.1 训练样本量差异实验结果分析
•   3.2 N元词差异实验结果分析
•   3.3 停用词差异实验结果分析
•   3.4 词频加权方式差异实验结果分析
•   3.5 实验结果总结
• 4 结语
• 作者贡献声明:
• 利益冲突声明:
• 支撑数据:

文章来源

类型: 期刊论文

作者: 丁良萍,张智雄,刘欢

关键词: 语步识别,支持向量机,结构化摘要

来源: 数据分析与知识发现 2019年11期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,自动化技术

单位: 中国科学院文献情报中心,中国科学院大学图书情报与档案管理系,中国科学院武汉文献情报中心

基金: 中国科学院文献情报能力建设专项子项目“科技文献丰富语义检索应用示范”(项目编号:院1734)的研究成果之一

分类号: TP391.1;TP181

页码: 16-23

总页数: 8

文件大小: 945K

下载量: 154