基于语言的多语言句子分类

本文描述了一种句子分类方法，其独特之处在于基于语言的自然属性，无需训练集依赖。该实现速度快、体积小、鲁棒性强，且对文本错误具有容忍性。在法语、英语、西班牙语和德语的判别测试中，该系统给出了非常有趣的结果，在一次测试中达到了99.4%的正确分类率。其分辨能力基于语法词（非最常见词）和字母表。系统拥有每种语言的语法词和字母表后，对它们分别计算被选中的可能性。可能性最优的语言名称将标注该句子——但未解决的歧义将被保留。本文将讨论促使我们使用这些语言学事实的原因，并提出若干改进系统分类性能的方向。利用语言属性进行句子分类表明，困难的问题有时有简单的解决方案。