[发明专利]基于半指导策略的汉语多词表达语料构建方法

权利要求书

1.一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。

2.根据权利要求1所述的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：所述步骤A中基于中心词扩展的初始聚类中心确定方法包括以下步骤：

a、基于中心词扩展的方法；

b、K-均值聚类算法。

3.根据权利要求1所述的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：所述步骤B中基于有指导信息的一致性协同学习数据净化策略是在原来的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，原算法中，以上过程是在聚类过程中进行的，缺少有指导标注信息的借鉴，我们将充分利用已标注信息，使用事先确定的三个分类器，把经过聚类的标注结果分别放入三个分类器中，如果至少两个的标注结果与原来一致，才认为该结果是真的，再放入到已标注语料中。