版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著信息時(shí)代的到來(lái),互聯(lián)網(wǎng)正深刻地影響著人們的學(xué)習(xí)、工作、生活?yuàn)蕵?lè)等各個(gè)方面,也改變了人們?nèi)粘5臏贤ū磉_(dá)方式,網(wǎng)絡(luò)新詞的不斷涌現(xiàn)就是一個(gè)很好的證明。在印歐體系語(yǔ)言中詞語(yǔ)之間會(huì)存在空格這種天然的分隔符號(hào),與之不同的是中文詞語(yǔ)之間沒(méi)有這種的空格。而中文的最小獨(dú)立語(yǔ)言單位是詞,所以要想讓計(jì)算機(jī)有效地識(shí)別中文最初需要對(duì)其進(jìn)行分詞。但是新詞的涌現(xiàn)會(huì)讓中文分詞后的結(jié)果產(chǎn)生很多不好辨別的“字符串碎片”,而這些“字符串碎片”會(huì)對(duì)分詞結(jié)果的準(zhǔn)確率造成了很
2、大的影響。有學(xué)者做過(guò)研究統(tǒng)計(jì),導(dǎo)致中文分詞錯(cuò)誤的大部分原因是由新詞引起的。假如我們能夠迅速地識(shí)別網(wǎng)絡(luò)新詞并將識(shí)別到的新詞及時(shí)加入到中文詞典進(jìn)行更新,這對(duì)于提高中文分詞系統(tǒng)的準(zhǔn)確率和效率將有非常大的幫助。因此對(duì)新詞識(shí)別的研究現(xiàn)已成為了中文自然語(yǔ)言處理中一個(gè)非常重要的問(wèn)題。
近年來(lái),很多學(xué)者和研究機(jī)構(gòu)在新詞識(shí)別這一領(lǐng)域做了許多研究工作,也取得了一些成果,但是新詞識(shí)別的準(zhǔn)確率還不夠高。為了解決這個(gè)問(wèn)題,本文基于微博消息的特點(diǎn)提出了一
3、種新詞識(shí)別方法。
首先為了確保語(yǔ)料的時(shí)效性,本文利用網(wǎng)絡(luò)爬蟲(chóng)抓取新浪微博消息構(gòu)建了一個(gè)語(yǔ)料庫(kù)。其次利用原子切分和N-gram算法對(duì)微博消息進(jìn)行切分統(tǒng)計(jì)獲得候選字符串,并對(duì)其進(jìn)行過(guò)濾得到候選新詞。接著本文根據(jù)微博消息的特點(diǎn)(大信息量和用詞趨簡(jiǎn)性的特點(diǎn))提出了一種新詞識(shí)別方法。然后本文將新詞識(shí)別和分詞結(jié)合起來(lái),并利用分詞后的結(jié)果來(lái)檢測(cè)識(shí)別候選新詞。最后本文利用平均互信息對(duì)上面提出的方法做了進(jìn)一步的改進(jìn),提升了新詞識(shí)別的效率。對(duì)比其
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)算法研究.pdf
- 基于統(tǒng)計(jì)的無(wú)監(jiān)督新詞和組合詞發(fā)現(xiàn)算法研究.pdf
- IP網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)算法研究.pdf
- 符號(hào)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法研究.pdf
- 網(wǎng)絡(luò)文本情感新詞發(fā)現(xiàn)及情感關(guān)鍵句抽取判定研究.pdf
- 網(wǎng)絡(luò)自動(dòng)拓?fù)浒l(fā)現(xiàn)算法研究.pdf
- 時(shí)態(tài)社會(huì)網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究.pdf
- 網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)算法研究和實(shí)現(xiàn).pdf
- 社會(huì)網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究.pdf
- 動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法研究.pdf
- 物理網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)算法的研究.pdf
- 基于Web的新詞語(yǔ)發(fā)現(xiàn)研究.pdf
- 復(fù)雜網(wǎng)絡(luò)中社團(tuán)發(fā)現(xiàn)算法的研究.pdf
- 復(fù)雜網(wǎng)絡(luò)重要結(jié)點(diǎn)發(fā)現(xiàn)算法研究.pdf
- 基于SNMP的網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)算法研究.pdf
- 面向復(fù)雜網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法研究.pdf
- 異構(gòu)IP網(wǎng)絡(luò)物理拓?fù)浒l(fā)現(xiàn)算法研究.pdf
- 有向網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)算法研究.pdf
- 符號(hào)網(wǎng)絡(luò)局部社區(qū)發(fā)現(xiàn)算法的研究.pdf
- 網(wǎng)絡(luò)圖的motif發(fā)現(xiàn)算法研究.pdf
評(píng)論
0/150
提交評(píng)論