基于svm＋sigmoid的汉语组块识别

本文提出用svm+sigmoid来进行汉语组块识别的方法。svms具有不需要进行认真选取特征的优点，并且在具有高维特征空间的输入数据上也能够具有高的泛化性能，通过核函数的原则，svms能够在独立于训练数据维数的小计算范围内进行训练。sigmoid函数使用一个参数模型来直接拟合后验概率，从而将svms的输出映射成一个后验概率．使一个分类器在做全局决策的一个局部决策时，考虑到全面分类，从而决策更具有合理性。实验结果表明该方法较单纯的svms方法具有好的效果。