典型文献
基于聚类算法的英语动词词形分类方法研究
文献摘要：
针对英语动词词形分类中存在分类效果较差的问题,本文设计了一种基于聚类算法的英语动词词形分类方法.构建英语动词词形语义结构模型,依据该模型使用语义本体特征构造方法,描述英语动词词形语义特征,以获取英语动词词形状态特征量,使用余弦相似度计算英语动词词形状态特征量之间的相似度,在此基础上,使用K-means算法和支持向量机算法相结合的方法,实现英语动词词形分类.实验结果表明,英语动词词形状态特征量之间的相似度计算结果的准确性较高,该方法对规则变化和不规则变化的英语动词词形均具有较优异的分类效果,将正松弛因子和错误惩罚参数分别设置为3000与9,可获得更好的英语动词词形分类结果.
文献关键词：
聚类算法;英语动词;词形分类;语义结构;K-means算法;支持向量机
中图分类号：
作者姓名：
吴沛瑾
作者机构：
蚌埠学院,安徽 蚌埠 233000
文献出处：
引用格式：
[1]吴沛瑾-.基于聚类算法的英语动词词形分类方法研究)[J].赤峰学院学报（自然科学版）,2022(06):22-26
A类：
词形分类,特征构造方法,状态特征量
B类：
聚类算法,英语动词,分类方法,分类效果,语义结构,模型使用,语义本体,语义特征,余弦相似度,相似度计算,means,支持向量机算法,规则变化,松弛因子,惩罚参数
AB值：
0.141057
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
