期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合词语规则和SVM模型的军事命名实体关系抽取方法
被引量:
6
1
作者
单赫源
吴照林
+1 位作者
张海粟
刘培磊
《指挥控制与仿真》
2016年第4期58-63,共6页
抽取作战文书中的军事命名实体关系,是实现作战文书语义理解的一种有效方法。在分析作战文书中军事命名实体词语规则的基础上,提出了一种结合词语规则和SVM模型的军事命名实体关系抽取方法。首先,使用词语规则整合作战文书中连续出现的...
抽取作战文书中的军事命名实体关系,是实现作战文书语义理解的一种有效方法。在分析作战文书中军事命名实体词语规则的基础上,提出了一种结合词语规则和SVM模型的军事命名实体关系抽取方法。首先,使用词语规则整合作战文书中连续出现的军事命名实体并抽取其关系,使其更加适合SVM模型。然后,使用SVM模型对传统规则模板难以使用的词窗、词性和距离等特征进行建模,抽取军事命名实体关系。实验结果表明,优先利用词语规则能充分提高SVM模型抽取军事命名实体关系的效果,与单纯使用SVM模型相比,准确率和召回率分别提高了8.73%和41.71%。
展开更多
关键词
军事命名实体
SVM模型
实体关系抽取
词语规则
下载PDF
职称材料
结合词语规则和SVM模型的军事命名实体关系抽取方法
被引量:
1
2
作者
高凤帅
杨化斌
《信息通信》
2017年第11期162-163,共2页
作战文书一直是我国军事中的一项重要任务,但是由于作战文书的特殊性和保密性,写者都会用一些带有特殊性质的东西来掩人耳目,但是作战文书非常重要,关乎作战中军事命名和实体作战的关系,稍有不慎就会理解错误,轻则会违反规定,重则会直...
作战文书一直是我国军事中的一项重要任务,但是由于作战文书的特殊性和保密性,写者都会用一些带有特殊性质的东西来掩人耳目,但是作战文书非常重要,关乎作战中军事命名和实体作战的关系,稍有不慎就会理解错误,轻则会违反规定,重则会直接影响到我国的经济利益和国土安全,因此,抽取作战文书中的主要意思,弄清楚军事命名实体关系,对实现作战文书语义理解有着重大突破。作战文书分析模式虽然有很多方法,但是大多数学者都是在它的基础上结合词语规则和SVM模式进行研究,是目前最为有效的抽取方法。此类方法的使用主要是先利用语文中经常用到的词语规则整理出作战文书中连续出现并且相似度极高的实体,并从中提取出相关信息,两者相互磨合,能更好地与SVM模型兼容。其次,使用SVM模型对各个有效因素进行建立模型,抽取其中我们所需要的信息进行军事命名实体关系的研究。根据以上结果充分表明,如果单独使用SVM模型进行提取,其结果将不堪一击,但是如果优先利用词语规则进行提取,之后再结合SVM模型进行抽取,整个准确率和效率都会得到事半功倍的效果。
展开更多
关键词
军事命名实体
SVM模型
词语规则
实体关系抽取
下载PDF
职称材料
基于规则挖掘和Nave Bayes方法的组合型歧义字段切分
被引量:
5
3
作者
张严虎
潘璐璐
+2 位作者
彭子平
张靖波
于中华
《计算机应用》
CSCD
北大核心
2008年第7期1686-1688,1704,共4页
组合型歧义字段切分是中文自动分词的难点之一。在对现有方法进行深入分析的基础上,提出了一种新的切分算法。该算法自动从训练语料中挖掘词语搭配规则和语法规则,基于这些规则和Nave Bayes模型综合决策进行组合型歧义字段切分。充分...
组合型歧义字段切分是中文自动分词的难点之一。在对现有方法进行深入分析的基础上,提出了一种新的切分算法。该算法自动从训练语料中挖掘词语搭配规则和语法规则,基于这些规则和Nave Bayes模型综合决策进行组合型歧义字段切分。充分的实验表明,相对于文献中的研究结果,该算法对组合型歧义字段切分的准确率提高了大约8%。
展开更多
关键词
中文分词
组合型歧义
词语
搭配
规则
语法
规则
下载PDF
职称材料
题名
结合词语规则和SVM模型的军事命名实体关系抽取方法
被引量:
6
1
作者
单赫源
吴照林
张海粟
刘培磊
机构
国防信息学院
空军工程大学信息与导航学院
出处
《指挥控制与仿真》
2016年第4期58-63,共6页
基金
国防预研基金项目(9140A15090112JB93180)
文摘
抽取作战文书中的军事命名实体关系,是实现作战文书语义理解的一种有效方法。在分析作战文书中军事命名实体词语规则的基础上,提出了一种结合词语规则和SVM模型的军事命名实体关系抽取方法。首先,使用词语规则整合作战文书中连续出现的军事命名实体并抽取其关系,使其更加适合SVM模型。然后,使用SVM模型对传统规则模板难以使用的词窗、词性和距离等特征进行建模,抽取军事命名实体关系。实验结果表明,优先利用词语规则能充分提高SVM模型抽取军事命名实体关系的效果,与单纯使用SVM模型相比,准确率和召回率分别提高了8.73%和41.71%。
关键词
军事命名实体
SVM模型
实体关系抽取
词语规则
Keywords
military named entity
SVM
entity relation extraction
word rules
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
结合词语规则和SVM模型的军事命名实体关系抽取方法
被引量:
1
2
作者
高凤帅
杨化斌
机构
空军工程大学信息与导航学院
出处
《信息通信》
2017年第11期162-163,共2页
文摘
作战文书一直是我国军事中的一项重要任务,但是由于作战文书的特殊性和保密性,写者都会用一些带有特殊性质的东西来掩人耳目,但是作战文书非常重要,关乎作战中军事命名和实体作战的关系,稍有不慎就会理解错误,轻则会违反规定,重则会直接影响到我国的经济利益和国土安全,因此,抽取作战文书中的主要意思,弄清楚军事命名实体关系,对实现作战文书语义理解有着重大突破。作战文书分析模式虽然有很多方法,但是大多数学者都是在它的基础上结合词语规则和SVM模式进行研究,是目前最为有效的抽取方法。此类方法的使用主要是先利用语文中经常用到的词语规则整理出作战文书中连续出现并且相似度极高的实体,并从中提取出相关信息,两者相互磨合,能更好地与SVM模型兼容。其次,使用SVM模型对各个有效因素进行建立模型,抽取其中我们所需要的信息进行军事命名实体关系的研究。根据以上结果充分表明,如果单独使用SVM模型进行提取,其结果将不堪一击,但是如果优先利用词语规则进行提取,之后再结合SVM模型进行抽取,整个准确率和效率都会得到事半功倍的效果。
关键词
军事命名实体
SVM模型
词语规则
实体关系抽取
分类号
TG456.7 [金属学及工艺—焊接]
下载PDF
职称材料
题名
基于规则挖掘和Nave Bayes方法的组合型歧义字段切分
被引量:
5
3
作者
张严虎
潘璐璐
彭子平
张靖波
于中华
机构
四川大学计算机学院
出处
《计算机应用》
CSCD
北大核心
2008年第7期1686-1688,1704,共4页
基金
国家自然科学基金资助项目(60473071)
高等学校博士学科点专项科研基金SRFDP资助项目(20020610007号)
四川大学计算机学院青年基金资助项目
文摘
组合型歧义字段切分是中文自动分词的难点之一。在对现有方法进行深入分析的基础上,提出了一种新的切分算法。该算法自动从训练语料中挖掘词语搭配规则和语法规则,基于这些规则和Nave Bayes模型综合决策进行组合型歧义字段切分。充分的实验表明,相对于文献中的研究结果,该算法对组合型歧义字段切分的准确率提高了大约8%。
关键词
中文分词
组合型歧义
词语
搭配
规则
语法
规则
Keywords
chinese word segmentation
combinational ambiguity
word collocation rules
grammar rules
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合词语规则和SVM模型的军事命名实体关系抽取方法
单赫源
吴照林
张海粟
刘培磊
《指挥控制与仿真》
2016
6
下载PDF
职称材料
2
结合词语规则和SVM模型的军事命名实体关系抽取方法
高凤帅
杨化斌
《信息通信》
2017
1
下载PDF
职称材料
3
基于规则挖掘和Nave Bayes方法的组合型歧义字段切分
张严虎
潘璐璐
彭子平
张靖波
于中华
《计算机应用》
CSCD
北大核心
2008
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部