团队T型奥鲁斯S公司相对长度单位E类val-2019任务9：基于专家的模式识别，用于建议挖掘

内列克·奥斯蒂克,汉斯·范·哈尔特伦

摘要
本文介绍了我们对2019年第二季度任务9“建议挖掘”的提交。我们的系统是一系列系统中的一个，在这些系统中，我们将使用专家定义规则的方法与使用机器学习的类似方法进行了比较。我们以句法或语义成分为目标任务，与只会计算特征的机器学习者相比，理解任务的人可能会更好地描述这些成分。对于2019年第二学期任务9，在对均衡测试集进行训练和测试时，专家规则明显优于我们的机器学习模型。
选集ID：
S19-2219号
体积：
第十三届语义评价国际研讨会论文集
月份：
六月
年份：
2019
地址：
美国明尼苏达州明尼阿波利斯
编辑：
乔纳森·梅,叶卡捷琳娜·舒托娃,奥雷莉·赫贝洛,朱晓丹,玛丽安娜·阿皮迪亚纳基,赛义夫·M·穆罕默德
地点：
SemEval公司
SIG公司：
SIGLEX公司
发布者：
计算语言学协会
注：
页：
1247–1253
语言：
网址：
https://aclantology.org/S19-2219
内政部：
10.18653/v1/S19-2219
比比键：
引用（ACL）：
内列克·奥斯蒂克和汉斯·范·哈尔特伦。20192019年第二季度金牛座团队任务9：建议挖掘的专家模式识别.英寸第十三届语义评价国际研讨会论文集，第1247-1253页，美国明尼苏达州明尼阿波利斯，计算语言学协会。
引用（非正式）：
2019年第二季度金牛座团队任务9：建议挖掘的专家模式识别（Oostdijk和van Halteren，2019年第二季度）
复制引文：
PDF格式：
https://aclantology.org/S19-2219.pdf
PDF格式 引用 搜索