版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、替換解碼的方法已被前人廣泛地應用于自然語言處理的工作中。其在機器自動翻譯、未知語言識別等方面已有不俗的表現(xiàn)。這些有所成就的工作所基于的語料大多是字母語言,而對于如漢語這類非字母語言的應用卻罕有涉及。本文旨在探討替換解碼方式應用于識別非字母語言未知字符(如:語素語言)的可能,并據(jù)未知語言大多平行語料非常稀缺的實際情況出發(fā),嘗試基于非平行語料對未識別語言進行識別。
基于此目的,本文所描述的實驗設計前提是訓練集為已識別文字組成的可識
2、別文本,測試集為一部分字符未識別的文本(其中部分字符可識別,部分字符為未知字符),兩者屬于同一文字,使用的漢語語料逾二十萬字。在實驗中,我們首先引入基于語言模型的解碼方法,然后為解決可能替換的組合爆炸而加入了集束搜索算法,來增強可計算性。之后為提升識別率我們又加入了字分布表示。此外,為了改善識別效果,實驗中加入部分字形信息匹配值作為修正參數(shù)。
本文所討論的方法主要可應用于古代漢語(如:甲骨文)文本中部分未知字符的語義識別的工作
3、。人工解讀文本中的未知字符是非常困難的,需要大量擁有語言學相關知識與經(jīng)驗的專家學者,而且也非常耗時耗力。若沒有相關的平行語料出現(xiàn),常常需要數(shù)十年的工作積累。通過本文提供的方法,可將未知字符的候選集大小從原來的未知語言字符集全集縮小為數(shù)十個乃至幾個候選字符。這將極大的減少人工處理的代價。進一步來說,由于該方法充分考慮了上下文之間的關系,使得找到在該上下文中意義相近的字符的可能增大,這時即使未能找到完全匹配的字符亦可提升理解全文的可能。數(shù)據(jù)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模態(tài)特性的未知邊界條件下索力識別.pdf
- 基于USB口漢字識別研究.pdf
- 基于運動圖像的手寫漢字識別研究.pdf
- 基于HMM的聯(lián)機手寫漢字識別.pdf
- 基于數(shù)據(jù)挖掘的入侵檢測未知攻擊識別框架研究.pdf
- 基于移動平臺的聯(lián)機手寫漢字識別.pdf
- 基于統(tǒng)計的漢字識別后處理研究.pdf
- 基于Gabor理論的脫機手寫漢字識別.pdf
- 基于整體紋理分析的漢字字體識別.pdf
- 基于語料庫的數(shù)量名短語識別.pdf
- 基于力信息的漢字表達與識別.pdf
- 未知荷載下基于靈敏度分析的結構時域損傷識別.pdf
- 基于筆畫結構特征的脫機手寫漢字識別.pdf
- 基于筆畫重構的脫機手寫漢字識別研究.pdf
- 基于深度學習的手寫漢字識別技術研究.pdf
- 基于PCA車牌漢字識別算法的研究與實現(xiàn).pdf
- 基于結構特征的手寫體漢字識別研究.pdf
- 基于大規(guī)模語料庫的中文新詞識別.pdf
- 基于微博語料的網(wǎng)絡語言分析與識別.pdf
- 基于大規(guī)模語料的中文新詞識別技術研究.pdf
評論
0/150
提交評論