基于半指导策略的汉语多词表达语料构建方法

摘要

本发明公开了一种基于半指导策略的汉语多词表达语料构建方法，其特征在于：其方法包括以下步骤：A、基于中心词扩展的初始聚类中心确定方法，依据从语料库中统计的少量特征数据来确定每个类的初始中心；B、基于有指导信息的一致性协同学习数据净化策略，在原来的DE-Tri-training算法中，对新标注的数据在聚类中寻找它的三个最近邻，如果这三个近邻中至少两个和它本身的标注结果一致，就认为该标注结果是对的，则放入到已标注语料中。通过上述方式，本发明能够采用中心词驱动的方法来确定聚类的中心，以提高聚类的准确率；采用一致性协同学习原则来去除不正确的标注结果。