[发明专利]包含松散结构的汉语多词表达敏感特征的抽取方法

摘要

本发明公开了一种包含松散结构的汉语多词表达敏感特征的抽取方法，其步骤如下1）、紧凑结构多词表达的敏感特征集,只要某个特征能提升该多词表达抽取的结果，就认为它是该多词表达的特征集，特征集用表示；2）、松散结构多词表达的敏感特征集，将采用统计信息和人工总结的词表、规则、模版以及语义特征相结合的多种特征作为松散结构的特征集，特征集用表示；3）、敏感特征选择算法，敏感特征选择是从所有特征中选择出一组最有效、对分类效果影响最大的特征子集。通过上述方式，本发明能够采用统计信息和人工总结的词表、规则、模版以及语义特征相结合的多种特征结合的策略，进而得到适合不同结构的敏感特征集，提高计算效率和降低复杂性。

主权项

一种包含松散结构的汉语多词表达敏感特征的抽取方法，其特征在于：其步骤如下：1)、紧凑结构多词表达的敏感特征集,只要某个特征能提升该多词表达抽取的结果，就认为该特征应当加入该多词表达的特征集，特征集用Φ(gi)表示；2)、松散结构多词表达的敏感特征集，将采用统计信息和人工总结的词表、规则、模版以及语义特征相结合的多种特征作为松散结构的特征集，特征集用Φs(gi)表示；3)、敏感特征选择算法，敏感特征选择是从上述步骤1)和步骤2)的所有特征集中选择出一组最有效、对分类效果影响最大的特征子集；所述步骤3)中敏感特征选择算法，收集被分词程序错分的分词结果，并提取其特征包括词性、上下文信息，把这部分错分的分词结果作为多词表达的候选，通过代价函数计算错分代价，并把该错分代价加入多词表达敏感特征选择的考量中；为减少所选特征的个数,提高所选特征子集的有效性，采用后向添加特征逐个添加方法筛选特征。