基于SVM+Sigmoid的汉语组块识别

摘要

本文提出用SVM+Sigmoid来进行汉语组块识别的方法.SVMs具有不需要进行认真选取特征的优点,并且在具有高维特征空间的输入数据上也能够具有高的泛化性能,通过核函数的原则,SVMs能够在独立于训练数据维数的小计算范围内进行训练.Sigmoid函数使用一个参数模型来直接拟合后验概率,从而将SVMs的输出映射成一个后验概率,使一个分类器在做全局决策的一个局部决策时,考虑到全面分类,从而决策更具有合理性.实验结果表明该方法较单纯的SVMs方法具有好的效果.