基于实例距离分布的过采样方法的定义抽取的分析.pdfVIP

基于实例距离分布的过采样方法的定义抽取研究 潘滑，顾宏斌，赵芷晴 南京航空航天大学民航学院， 南京210016 摘要：为了从航空民航领域的专业语料中获取所有的专业术语定义，本文提出了一种经过改进的不平衡数据分类方法来进 行术语定义抽取。本文利用实例距离分布信息改进了过采样方法，将其与随机欠采样方法结合用以建立平衡训练语料，并使 Random 用BRF(Balanced 的F2一measure成绩。同时本文也分析了特征选择方法对单颗决策树分类结果以及聚合结果的影响。 关键词：术语定义，定义抽取，文本分类，过采样 ResearchOHDefinitionExtractionBasedon Over—samplingusing DistributionInformationofInstances Xu ZHAO PAN，Hong-BinGU，Zhi-Qing College University 210016，China ofCivilAviation，NanjingofAeronauticsAstronautics，Nanjing 1 26．com E-mail：panxuC蓟uaa．edu．cn，ghb伽啪．edu．cn，zzq86028@1 Abstract：Forthe of definitionsofalltermsfromaviation introduceaclassification purposeextracting professionalcorpus，we method．Thismethodincludesanovel iilstancedistancedistribution approach幻over-samplingminority using bahneed set random classifier、nmC4．5decisiontrcc． trainingusing under-samplingmajorityinstance．constructingaggregating best Thismethodachievesthe score晰tlI65％inF1-measureand78％inF2-measure．Inthe theinfluenceoffeautre end，Weanalyse classmcation selectionmethodOil results． Keyword：termsdefinition，defmifionextraction，textclassification，over-sampling l 引言 本文的目标是从航空民航专业语料库中识别出所有 包含航空、民航专业术语定义的单句，和现有的定义抽 随着国内航空业的发展，对于民航从业人员的培训 取技术的目标相比有一些不同之处。首先是要求获得语 需求迅速增长。对于各种培训、考核资料的需求的急剧 料中所有的包含术语定义的单句，而不是给定术语的定