基于SVM+Sigmoid的汉语组块识别

摘要：

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.

关键词：支持向量机、Sigmoid函数、汉语组块、组块识别

所属期刊栏目：31

分类号：TP3;TP1

资助基金：国家自然科学基金60083006;国家重点基础研究发展计划973计划G19980305011;国家自然科学基金;微软亚洲研究院项目60203019

在线出版日期：2004-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：142-146