领域术语自动抽取方法研究课件.pptVIP

领域术语自动抽取方法研究 刘桃 报告内容 绪论 课题研究的目的、意义及研究现状 论文主体 领域文本自动判别方法 领域术语自动抽取方法 在文本分类和问答式信息检索中的应用 结论 报告内容 绪论 课题研究的目的、意义及研究现状 论文主体 领域文本自动判别方法 领域术语自动抽取方法 在文本分类和问答式信息检索中的应用 结论 绪论 研究目的 为面向领域的应用提供可定制的领域文本自动判别方法和领域术语自动抽取方法 研究意义 对所有面向领域的应用都有重要意义 垂直搜索 文本自动分类 语言建模 词义消歧 绪论：领域文本自动判别研究现状 领域文本自动判别 有监督文本分类方法 文本表示：概率模型、向量空间模型 特征选择：TF-IDF、互信息、期望交叉熵、信息增益等 分类算法：Rocchio法、贝页斯分类法、K最近邻分类法、支持向量机、决策树、神经网络 半监督文本分类方法 产生式模型和期望最大化、直推式支持向量机、自助学习法、协同训练法、主动学习法 基于正例的文本分类方法 PEBL、 Spy_EM、Roc_SVM、类别约束SVM（Biased_SVM）、 PNLH方法 绪论：领域术语自动抽取研究现状 中文词语的领域类别判定之前要进行中文新词发现 中文新词发现 启发式特征：构词力、构词模式、互信息、上下文依赖 机器学习模型：隐马尔科夫模型、最大熵、最大熵马尔科夫模型、支持向量机、条件随机域 绪论：领