摘要：本文提出了一种基于粗糙集的基本名词短语(BaseNP)识剐方法。该方法首先进行BaseNP标注， 然后实现BaseNP识别。它把BaseNP标注看作一个决策问题用粗糙集理论解决，因而具有特征约简和规则优 化的特点。文章介绍了基于粗糙集的规则学习方法和相应的算法，同时也给出了BaseNP标注和识别的算法 流程，提出了解决实例冲突问题的方法，并提高了识别效果。文章最后给出了详细的实验步骤和结果，并与几 个典型系统进行了比较与分析，提出了进一步改进的方向。 关键词：人工智能；

支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。