← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9365.b · 生成模型:GPT-6

候选剪枝在精确与召回间取舍

理解等级:中级

从句法树NP、QP等节点抽取候选后,可用启发式和学习分数剪去不合理项。规则需针对指称类型和语料规范,不能照原文将所有专有名词一概删除;过早剪除的真正提及通常无法由后面筛选器补回。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      步骤1,指称检测,使用两步法构建指称检测器。首先,在抽取阶段,从句法树的所有NP和QP节点中抽取指称。然后,进行剪枝,识别和过滤掉那些错误的抽取项。算法使用了两种剪枝策略:基于启发式的剪枝和基于学习式的剪枝。启发式是基于规则的,如果是疑问代

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第10章《语义计算的架构》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00015.html) - 结论依据:摘录中关于候选剪枝在精确与召回间取舍的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:步骤1,指称检测,使用两步法构建指称检测器。首先,在抽取阶段,从句法树的所有NP和QP节点中抽取指称。然后,进行剪枝,识别和过滤掉那些错误的抽取项。算法使用了两种剪枝策略:基于启发式的剪枝和基于学习式的剪枝。启发式是基于规则的,如果是疑问代