%0 Journal Article
%T 使用SVMs进行汉语浅层分析
%A 谭咏梅
%A 王小捷
%A 周延泉
%A 钟义信
%J 北京邮电大学学报
%P 5-8
%D 2008
%R 10.13190/jbupt.200801.5.tanym
%X 提出了基于supportvectormachines（SVMs）的汉语浅层分析方法，并且为描述整个层次短语结构定义了10种汉语组块类型.与其他机器学习方法相比，该方法能自动选择对浅层分析有用特征，并能选择出有效的特征组合，较以前的研究可反映识别方向、特征模板、核函数、多分类方法及其组合对基于SVMs的汉语浅层分析性能的影响.在开放语料ChineseTreeBank上,Precision、Recall和FB1平均达到了95.36％、97.30％和96.32％.
%K 支持向量机
%K 浅层分析
%K 组块
%U http://www.buptjournal.cn/CN/abstract/abstract468.shtml