LS-SVM与条件随机场结合的生物证据句子抽取

对于生物证据句子抽取问题,传统特征和贝叶斯分类模型构建的抽取系统效率不高,导致抽取结果的召回率较低。为此,针对单句抽取问题和多句混合抽取问题,分别构建2套系统。利用最小二乘支持向量机模型结合新的特征组合和句子过滤模块构建系统1,解决传统特征涵盖不全面的问题,并在系统1中融入条件随机场模型,融合候选句判别规则建立系统2,解决连续多句合并的问题。实验结果表明,在单句抽取问题上,相比贝叶斯模型的基准系统,系统1召回率和F值分别提高39.7%和12.9%,在多句混合抽取问题上,相比基于正例和无标记样本学习系统,系统2的召回率提高了37.1%。