基于错误实例与错误特征相结合的语法检查系统的实现

摘要

本论文提出了一个在不降低基于错误实例系统准确率的前提下提高系统效率的方法：就是通过stringkernel、KPCA、K-means聚类等技术来提取系统错误实例数据库各个表的特征，为各个特征建立一个特征索引表，并把数据库按照这些特征分成各个特征表；同时，对于没有特征的错误实例就放到一个无特征表里。最后，我们通过借鉴修改stringkernel思想为语法检查系统建造了一个分类器。待检查的句子只要通过这个分类器就可以被分配到它该属于的那个特征表里面去搜索，这样就大大的提高了检查的速度。　　新的系统运用了基于负实例特征的方法来弥补单纯实例模式匹配方法的不足.通过与Wordhelp原系统的语法检查功能进行比较测试，新的系统显示出在相同的精确度下较高的检查速度，并且具有灵活的扩展性。

目录

文摘

英文文摘

第一章前言

1.1本论文应用背景

1.2本论文研究内容及组成

第二章语法检查的研究

2.1语法检查系统基本功能

2.2现有语法检查代表系统及其使用的方法介绍

2.3现有语法检查系统的问题

第三章背景知识

3.1主成分分析基本原理

3.2核函数与string kernel思想

3.3核的主分量分析(KPCA)

3.4聚类方法与K-means方法介绍

第四章本系统负例数据库的预处理

4.1基于实例的学习分类方法介绍

4.2本文数据库中错误实例的分类实现

第五章系统的实现

5.1原系统的设计目标

5.2本系统的设计

5.3系统不降低原系统的准确率

5.4系统具有良好的扩充性

5.5数据库系统的选择

第六章系统的评估及分析

第七章总结与展望

7.1总结

7.2进一步研究

参考文献

附录A:DPCA算法的matlad实验

附录B：K-means的matlab实现

致谢

论文原创性声明内容