动态自适应加权的多分类器融合词义消歧模型

张仰森，郭 江

（北京信息科技大学 智能信息处理研究所，北京100192）

许多与自然语言处理相关的应用系统，如机器翻译、文本校对、信息检索、文本分类等，其性能的优劣与词义消歧的效果密切相关。因此，长期以来，汉语词义消歧一直是中文信息处理领域的难点和热点。由于词义消歧本身可以看作分类问题，因此，词义消歧模型的构建其实就是分类器的构建。由于不同分类器在不同领域的表现效果不同，因此，近年来集成学习方法成为机器学习领域的发展趋势［1］，采用多分类器融合方法建立词义消歧模型的技术越来越受到研究者的关注，并在实际中得到应用［2－3］。多分类器融合就是通过某种规则将多个基分类器的判定结果融合起来，使得各基分类器之间相互弥补，得到系统最终的决策结果。构建多分类器融合词义消歧模型的工作一般由四步构成［4］，包括模型参数输入、基分类器的设计与选择、模型体系结构、融合规则。模型参数输入是指用于确定语句中某个词词义的特征表示方式；基分类器设计与选择是指选择哪些分类器来进行集成融合；模型体系结构是指对各基分类器进行融合的体系结构；融合规则是指将各基分类器判定结果进行组合获取最终判定结果的规则与算法。关于多义词词义消歧的特征选择，已有很多的相关研究，我们在实验部分再进行讨论，下面主要就模型的体系结构、基分类器集合的设计与选择、多分类器的融合规则进行讨论。……