大卫·纳多;彼得·D·特纳。 首字母缩写词识别的监督学习方法。 （英文） Zbl 1121.68386号 Kégl，Balázs（编辑）等人，《人工智能进展》。2005年5月9日至11日在加拿大维多利亚举行的加拿大智能计算研究学会第18届会议，加拿大人工智能2005。诉讼程序。柏林：施普林格出版社（ISBN 3-540-25864-7/pbk）。计算机科学课堂讲稿3501。人工智能课堂讲稿，319-329（2005）。 摘要：本文讨论了在文本中查找首字母缩略词定义对的任务。本主题之前的大部分工作都是关于涉及手动生成的规则或正则表达式的系统。在本文中，我们提出了一种用于首字母缩写词识别任务的监督学习方法。我们的方法通过对可识别的缩略词定义对的类型施加一些弱约束来减少监督学习系统的搜索空间。我们获得的结果与使用更强约束的手工系统相当。我们描述了减少搜索空间的方法、我们的监督学习系统使用的特征，以及我们对各种学习方案的实验。关于整个系列，请参见[兹比尔1061.68003]. 引用于1文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68T50型 自然语言处理 软件：QTAG公司 PDF格式BibTeX公司 XML格式引用 \textit{D.Nadeau}和\textit{P.D.Turney}，莱克特。注释计算。科学。3501319--329（2005；Zbl 1121.68386） 全文： 内政部