《表3 Yamamoto等实验得到的各语步排名前6位的重要词项》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《影响支持向量机模型语步自动识别效果的因素研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过总结已有研究发现，绝大部分研究采用的训练样本数量较少，从数千条到数万条不等，同时相关研究都没有明确提及在训练样本数量从少到多的过程中，识别效果的变化情况如何。在N-gram取值方面，Mc Knight等[12]、Ito等[14]、Yamamoto等[13]仅选取一元词作为特征，而Shimbo等[11]、Hirohata等[2]、Kim等[15]选取一元词和二元词为特征。在是否去除停用词方面，许多研究并未提及是否在文本预处理中进行了去除停用词的操作，而Yamamoto等[13]、Hirohata等[2]、Ruch等[8]研究发现停用词在语步自动识别中发挥了较大作用，Yamamoto等[13]通过卡方检验的方式，得到各语步最重要的前6个词项，如表3所示，其中很多语步中的词项是停用词（如Purpose语步中的to，Method语步中的in和by等）。在词项加权方式上，Ruch等[8]采用三种词频加权方式——TF-IDF、卡方值计算和DF-Thresholding进行实验，发现TF-IDF算法的语步识别效果较差，原因在于TF-IDF算法适用于对意义词（Content Word）进行加权，而语步中包含大量功能词（Function Word）。这些词虽然没有完整词汇意义，但是有语法意义或语法功能，若采用TF-IDF方式，将削弱这些词的重要性。而Mc Knight等[12]、Shimbo等[11]、Ito等[14]、Kim等[15]直接统计语步中单词的词项频率作为特征。