基于句法信息和语义信息的问题分类

摘要：

本文介绍了用WordNet的同义词集和上位概念及词汇间的依存关系作为分类特征进行问题分类的方法;把来自句法分析器和Wordnet的语言知识应用到了问题表示中.测试了采用词汇特征、句法特征、语义特征时的问题分类精度,实验结果表明:通过利用x<”2>统计量对Wordnet中的概念集合进行选择后,SVM分类器达到了91.60﹪的精度,好于采用同样语料和分类体系利用tree kernetl作为分类特征达到的90﹪的最好分类精度.

关键词： Wordnet 句法信息 语义信息 分类特征 语料

作者: 李鑫 杜永萍 黄萱菁 吴立德

作者单位: 复旦大学计算机科学与工程系(上海)

会议类型: 国内会议

会议名称: 第一届全国信息检索与内容安全学术会议

会议地点: 上海

会议语种:中文

页码: 243-251

在线出版日期: 2004-11-01（万方平台首次上网日期，不代表论文的发表时间）