基于机器学习的提示短语分类

提示短语可用于语篇层面显式信号语篇结构，也可用于句内层面传递语义信息。正确地将提示短语分类为语篇或句内类型对于利用语篇结构的自然语言处理系统至关重要，例如用于执行指代消解和计划识别等任务。本文探讨了使用机器学习对提示短语进行语篇或句内分类。两种机器学习程序(Cgrendel和C4.5)用于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，机器学习不仅能够自动生成分类模型，而且能够提高于先前结果。与文献中手动派生的分类模型相比，所学模型通常表现出更高的准确率，并包含对数据的新语言学见解。此外，自动构建分类模型使得更容易对比数据备选特征表示的实用性。最后，易于重新训练使得学习方法比手动方法更具可扩展性和灵活性。