不平衡數(shù)據(jù)分類在航空安全領域定義抽取中的應用.pdf

1、隨著國內(nèi)航空業(yè)的發(fā)展，航空安全成為人們關注的焦點之一，人們對航空從業(yè)人員的要求越來越高，因此對航空業(yè)培訓的需求也迅速提高。目前國內(nèi)主要的幾家航空公司的培訓教材主要來源于各種飛行手冊和維修手冊，這種培訓教材和考核試題一般由相關技術人員手工編寫。通過實現(xiàn)計算機快速高效地生成培訓課件和考核試題，從而減少工作人員手工搜集定義句的工作量，本文進行了航空安全領域術語定義自動抽取的研究。本文研究的是信息抽取的一種常用方法，可以有效地從語料庫中抽取到定

2、義句，具備一定的工程實用價值。
　　 本文主要進行了以下工作：首先，對航空安全領域教材進行選材、采集和標注，對語料進行預處理，在原有的基礎上擴充了語料庫，為以后的研究提供基礎；其次，研究了信息抽取方法，采用決策樹C4.5方法進行分類。由于決策樹方法存在過擬合現(xiàn)象，需要對其進行剪枝以避免過擬合現(xiàn)象，本文介紹了常用的四種后剪枝方法分別是REP方法、PEP方法、MEP方法和CCP方法，并分析了四種方法對于各種數(shù)據(jù)集分類效果的優(yōu)劣，適用