不平衡數(shù)據(jù)分類(lèi)在航空安全領(lǐng)域定義抽取中的應(yīng)用.pdf

1、隨著國(guó)內(nèi)航空業(yè)的發(fā)展，航空安全成為人們關(guān)注的焦點(diǎn)之一，人們對(duì)航空從業(yè)人員的要求越來(lái)越高，因此對(duì)航空業(yè)培訓(xùn)的需求也迅速提高。目前國(guó)內(nèi)主要的幾家航空公司的培訓(xùn)教材主要來(lái)源于各種飛行手冊(cè)和維修手冊(cè)，這種培訓(xùn)教材和考核試題一般由相關(guān)技術(shù)人員手工編寫(xiě)。通過(guò)實(shí)現(xiàn)計(jì)算機(jī)快速高效地生成培訓(xùn)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(jìn)行了航空安全領(lǐng)域術(shù)語(yǔ)定義自動(dòng)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(yǔ)料庫(kù)中抽取到定

2、義句，具備一定的工程實(shí)用價(jià)值。
　　 本文主要進(jìn)行了以下工作：首先，對(duì)航空安全領(lǐng)域教材進(jìn)行選材、采集和標(biāo)注，對(duì)語(yǔ)料進(jìn)行預(yù)處理，在原有的基礎(chǔ)上擴(kuò)充了語(yǔ)料庫(kù)，為以后的研究提供基礎(chǔ)；其次，研究了信息抽取方法，采用決策樹(shù)C4.5方法進(jìn)行分類(lèi)。由于決策樹(shù)方法存在過(guò)擬合現(xiàn)象，需要對(duì)其進(jìn)行剪枝以避免過(guò)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(duì)于各種數(shù)據(jù)集分類(lèi)效果的優(yōu)劣，適用