基于位置標簽的復(fù)合詞抽取方法研究.pdf

1、領(lǐng)域本體是人工智能領(lǐng)域內(nèi)研究的重要內(nèi)容，而領(lǐng)域概念又是領(lǐng)域本體的重要組成部分，因此領(lǐng)域概念的自動識別與抽取是一項重要且有意義的研究工作。隨著社會的快速發(fā)展、科技的不斷進步，以復(fù)合詞為代表的新概念新詞語層出不窮。這些領(lǐng)域復(fù)合詞基本上都是由各領(lǐng)域內(nèi)的原子詞組合而成的名詞性短語，它表達一個更加準確的領(lǐng)域概念。復(fù)合詞的自動抽取是領(lǐng)域文本信息處理的基礎(chǔ)，對領(lǐng)域本體的構(gòu)建與應(yīng)用、文本信息抽取、機器翻譯有著重要的意義。但現(xiàn)有的分詞系統(tǒng)不能識別這些新的

2、復(fù)合詞，也就不能滿足實際的應(yīng)用需求。因此，對復(fù)合詞的自動抽取已成為當務(wù)之急。
　　本文結(jié)合統(tǒng)計與語言規(guī)則的思想，提出了一種基于位置標簽與詞性結(jié)合的復(fù)合詞抽取方法。該抽取方法首先在在自動分詞基礎(chǔ)上為每個詞條添加位置標簽，形成位置標志標簽集；在進行停用詞過濾與同義詞合并處理之后，通過計算詞條之間的同現(xiàn)度與相鄰度，抽取復(fù)合詞得到候選復(fù)合詞集；最后結(jié)合詞性分析，構(gòu)建反規(guī)則模式集過濾垃圾串，并對垃圾串進行再識別。設(shè)計并實現(xiàn)了基于位置標簽與反