1本文的创新点实现方法-springerstaticcontentserver.pdfVIP

下载本文档

1
0
约4.68千字
约 4页
2017-08-20 发布于天津
举报
版权申诉

1本文的创新点实现方法-springerstaticcontentserver.pdf

1、本文档共4页，其中可免费阅读2页，需付费100金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

稿件中文题目缩略语预测基于支持向量回归的统计学习方法本文的创新点提出了一个基于机器学习的汉语缩略语预测方法本文提出基于经验学习的缩略语预测方法即从全称预测对应的缩略形式缩略语预测可以形式化为概率评估和排序我们选用支持向量回归作为概率评估器得到候选缩略语及对应值并通过值进行候选缩略语排序我们实验了多个特征发现全称缩略语映射特征和缩略语形成特征具有较强的区分能力提出对缩略语的概念序列分析并将聚类技术应用其中证明了聚类技术在汉语缩略语处理任务中的有效性实现方法系统框架缩略语预测的主要任务是预测全称可能

Sun X, Wang HF, Wang B. Predicting Chinese abbreviations from definitions: An empirical learning approach using support vector regression. JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY 23(4): 602--611 July 2008 稿件中文题目：缩略语预测：基于支持向量回归的统计学习方法 1. 本文的创新点 (1) 提出了一个基于机器学