基于机器学习的提示短语分类

提示短语可能用于话语层面显式信号化话语结构，也可能用于句内层面传递语义信息。正确地将提示短语分类为话语或句内类型，对利用话语结构进行的自然语言处理系统至关重要，例如用于完成指代解析和计划识别等任务。本文探索了使用机器学习对提示短语进行话语或句内分类。使用两种机器学习程序（Cgrendel 和 C4.5）从预分类的提示短语及其文本和语音特征中诱导分类模型。结果表明，机器学习是一种有效的技术，不仅能够自动生成分类模型，而且能够提高于先前方法的准确性。与文献中已有的手动派生分类模型相比，所学模型通常表现出更高的准确率，并且包含对数据的新型语言学见解。此外，自动构建分类模型的能力使得更容易对比分析不同特征表示的实用性。最后，易于重新训练的特性使学习方法比手动方法更具可扩展性和灵活性。