- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于分解与动态规划策略的汉语未登录词识别-中文信息学报
中 文 信 息 学 报
第 15 卷 第 1 期 JOURNAL OF CHINESE INFORMATION PROCESSING Vol . 15 No. 1
基于分解与动态规划策略的汉语未登录词识别①
吕雅娟 赵铁军 杨沐昀 于浩 李生
(哈尔滨工业大学计算机科学与技术学院 哈尔滨 150001)
摘要 :未登录词的识别是汉语自动分词中的主要问题 。本文以对中国人名 ,中国地名和外国
译名进行整体识别为目标 ,采用分解处理策略降低了整体处理难度 ,并使用动态规划方法实现了
最佳路径的有哪些信誉好的足球投注网站 ,较好地解决了未登录词之间的冲突问题 。通过对真实语料识别的测试 ,证明该
方法可以全面提高未登录词识别的正确率和召回率 。
关键词 :未登录词识别 ;分解处理 ;动态规划
中图分类号 : TP391. 2
Leveled Unknown Chinese Words Resolution by Dynamic Programming
L V Yaj an ZHAO Tiej un YAN G Muyun YU Hao L I Sheng
( School of Comp uter Science and Technology ,Harbin Instit ute of Technology Harbin 15000 1)
Email : {lyj ,tj zhao ,ymy ,yu} @mtlab . hit . edu . cn
Abstract :U nknown wor d resolution is a dilemma for automatic Chinese segment ation . Aiming at
solving Chinese human names ,Chinese place names and t ranslated names of ot her language ,t his
p aper p ut s forwar d a leveled unknown wor d resolution st rategy wit h dynamic p rogramming
searching t he best p at h . This met hod successfully solves t he cont radictions among t hese unknown
wor ds identification . Experiment on real corp us show s t hat t he p ropo sed met hod po ssesses a high
performance .
Key words :unknown wor d resolution ;leveled st rategy ;dynamic p rogramming
一 、引言
汉语自动分词是进行汉语自然语言处理的基础 。困扰汉语自动分词的一个主要难题就是
未登录词的识别 。所谓未登录词主要是指分词系统的词典中未收录的词 。汉语中未登录词的
种类很多 ,如中国人名 、中国地名 、外国译名 、缩略语 、重叠词 、品牌名等等 。由于这些未登录词
构词规律各异 ,数量众多 ,不可能全部收入词典中。但是如果文本中存在未被识别的未登录
① 收稿日期 :2000 - 05 - 23
( ) ( )
基金项目:国家 863 计划 863 - 306 - ZT03 - 06 - 3/ 863 - 306 - ZD13 - 04 - 4 ; 国家自然科学基金
作者吕雅娟 ,女 ,1972 年生 ,博士研究生 ,主要研究方向为计算语言学.
28
词 ,除造成该处被割裂之外 ,还会造成难以用其他技术手段弥补的分词错误 ,直接影响到汉语
分词及整个句法分析的正确率 。尽管国内外从事汉语 自动分词的研究已
文档评论(0)