教育部人文社会科学研究基金(10YJC870004)
- 作品数：4 被引量：15H指数：3
- 相关作者：鞠菲段宇锋黑珍珍崔红更多>>
- 相关机构：华东师范大学亚利桑那大学更多>>
- 发文基金：教育部人文社会科学研究基金更多>>
- 相关领域：文化科学自动化与计算机技术更多>>
- 中文植物描述数据的一致性研究
- 2012年
- 为了揭示不同物种描述数据源中数据的一致性程度,比较了《安徽植物志》、《河南植物志》和《山东植物志》中的100个物种的描述数据。结果表明,由于描述分类单元模式的选择、使用的术语以及数据表现形式等方面存在差异,造成各种植物志所含描述数据不一致成为广泛存在的现象。其中,部分相同的占62.54%,完全相同的部分仅占18.66%,相互矛盾的占1.47%,而只在一个数据源中出现的描述占17.34%。
- 段宇锋黑珍珍鞠菲
- 关键词：生物多样性
- 基于贝叶斯分类的中文物种描述文本的语义标注研究被引量：3
- 2012年
- 本研究从《中国植物志》中随机采集1000个文档作为数据集，采用基于先导词的朴素贝叶斯算法实现中文物种描述文本的自动语义标注。通过实验性研究，实验数据表明，先导词能够有效提升朴素贝叶斯的标注效率。采用先导词后，F平均值提高0．048～0．107，尤以Fr为2时效果最好，整体标注性能F平均值高达0．902。各元素的标注性能也较为理想。Fr分别取1、2、3时，大部分元素的F值为0．730～0．964。
- 段宇锋黑珍珍鞠菲崔红
- 关键词：朴素贝叶斯语义标注
- 基于N-Gram的专业领域中文新词识别研究被引量：10
- 2012年
- 以植物学作为专业领域的样本,对专业领域的新词自动化识别进行探索。研究选取《中国植物志》作为样本集,在ICTCLAS切词的基础上采用N-Gram统计的方法提取新词的候选项,然后分别按照词频(TF)、文档频率(D)和平均词频(TF/D)对新词候选项排序,取一定范围内的候选项作为识别出的新词。实验结果表明,词频TF筛选新词候选项的识别效果最好,F值为0.65。该方法能够自动产生专业领域的用户词典,具有较强的可移植性。
- 段宇锋鞠菲
- 关键词：N-GRAM新词识别词频统计
- 基于自主学习规则的中文物种描述文本的语义标注研究被引量：4
- 2012年
- 从《中国植物志》中随机采集1 000个文档作为数据集,采用自主学习规则与先导词相结合的算法实现中文物种描述文本的语义标注。实验数据表明,本研究设计的基于规则的算法整体标注效率(F值)达到0.930,大部分元素的F值在0.724-0.964之间,该算法优于朴素贝叶斯分类算法。同时证明,先导词对优化算法具有积极意义。
- 段宇锋黑珍珍鞠菲崔红
- 关键词：语义标注
