Оптимизация модели референциального выбора, основанной на машинном обучениистатья

Информация о цитировании статьи получена из Scopus
Дата последнего поиска статьи во внешних источниках: 4 февраля 2014 г.

Работа с статьей


[1] Оптимизация модели референциального выбора, основанной на машинном обучении / А. А. Кибрик, А. С. Линник, Г. Б. Добров, М. В. Худякова // Компьютерная лингвистика и интеллектуальные технологии. По материалам ежегодной конференции Диалог. — Т. 11. — Издательство РГГУ Москва, 2012. — С. 237–246. В статье обсуждаются различные способы оптимизации системы, мо- делирующей референциальный выбор (РВ) на основе аннотирован- ного корпуса с использованием машинного обучения. Аннотационная схема, использовавшаяся в наших более ранних исследованиях, была улучшена и расширена. На следующем этапе был имплементирован более дешевый набор параметров с целью сокращения времени обработки и трудозатратности аннотации. Наши результаты свиде- тельствуют о том, что, несмотря на возможность исключения наибо- лее дорогих факторов при моделировании РВ, лучшая аккуратность предсказания достижима только при использовании максимального количества доступной информации. Жанровая принадлежность тек- стов была введена в систему в качестве одного из параметров и послу- жила повышению показателя аккуратности. И наконец, была запущена серия психолингвистических экспериментов по изучению категорич- ности выбора, совершаемого говорящими/пишущими. Первые полу- ченные нами результаты оказались многообещающими: они показали, что в случаях, в которых системе не удается дать однозначное пред- сказание, согласно человеческой оценке, возможно с равной вероят- ность использование более одного референциального средства. [ DOI ]

Публикация в формате сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл сохранить в файл скрыть