论文部分内容阅读
决策式依存分析方法是一种以统计学习分类算法为基础，在每一个分析步骤中挑选最有可能的分析动作，由最终的动作序列确定分析结果。该方法具有快速、高效，易于实现的特点。然而，各步分析动作相对独立，并且容易造成错误累积。针对这些问题，对原始算法进行了一定的改进，引进了局部搜索算法和两阶段分析。实验表明，基于局部搜索的两阶段决策式依存分析模型，在性能上好于原始决策式依存分析方法，同时保持了较低的时间复杂度。