基于机器学习的生物多样性英文文档语义标注研究

摘要

针对现有语义标注系统通用性差的问题,本研究设计了基于先导词算法的MARTT语义标注系统.MARTT利用有监督的机器学习方法从文本中提取领域规则,以适应不同的数据集.为了检验算法的效率,研究以中国植物志和北美植物志数据为样本,运用十折交叉论证方法与NB、SVM的标注性能进行了比较.结果表明,先导词算法在准确率、召回率及计算成本上均优于其它两种算法.而且,在两个不同的数据集上都获得了理想的结果,证实MARTT所具有的良好适应性.