基于位置標簽的復合詞抽取方法研究.pdf

1、領域本體是人工智能領域內研究的重要內容，而領域概念又是領域本體的重要組成部分，因此領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，以復合詞為代表的新概念新詞語層出不窮。這些領域復合詞基本上都是由各領域內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域概念。復合詞的自動抽取是領域文本信息處理的基礎，對領域本體的構建與應用、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、復合詞，也就不能滿足實際的應用需求。因此，對復合詞的自動抽取已成為當務之急。
　　本文結合統(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合的復合詞抽取方法。該抽取方法首先在在自動分詞基礎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，抽取復合詞得到候選復合詞集；最后結合詞性分析，構建反規(guī)則模式集過濾垃圾串，并對垃圾串進行再識別。設計并實現(xiàn)了基于位置標簽與反