Using Allis for Clausing

ثبت نشده
چکیده

We present the result of a symbolic machine learning system, ALLiS 2.0 for the CoNLL-2001 shared task. ALLiS 2.0 is a theory reenement system using hierarchical data. Results are F=89.04 for subtask 1, F=68.02 for subtask 2 and F=67.70 for subtask 3 (development test). Adding manual rules improves considerably results specially for task 2 (F=79.44). For the test data, results are slightly worst (F=62.27 for subtask 3).

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

Solving Nine Men's Morris

In recent years, a number of games have been solved using computers. These include Qubic [Patashnik 80], Connect-4 [Allen 89], [Allis 88] and Go-Moku [Allis 93]. All these games were solved using knowledge-based methods. These methods are successful because all these games have a low “decision complexity” [Allis 90], i.e., the right move is often easy to find. Not all games profit to the same e...

متن کامل

Learning Syntactic Structures with XML

ALLiS (Architecture for Learning Linguistic Structure) (D6jean, 2000a), (D6jean, 2000b) is a symbolic machine learning system. The learning system is based on theory refinement. It tries to refine (to improve) an existing imperfect grammar using operators such as contextualisation and lexicalisation (Section 4). ALLiS separates the task of the generation of rules and the task of the use of thes...

متن کامل

ذخیره در منابع من


  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

عنوان ژورنال:

دوره   شماره 

صفحات  -

تاریخ انتشار 2001