中文未登錄詞識(shí)別的研究及在漢字輸入法中的應(yīng)用.pdf_第1頁(yè)
已閱讀1頁(yè),還剩63頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)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、本文針對(duì)漢字輸入系統(tǒng)中輸入法詞庫(kù)碼本缺乏對(duì)未登錄詞動(dòng)態(tài)更新的問(wèn)題,提出了一個(gè)從網(wǎng)上獲得語(yǔ)料,利用“碎片分詞”和“詞結(jié)合提取”的方法識(shí)別語(yǔ)料中的未登錄詞,并實(shí)現(xiàn)漢字輸入系統(tǒng)中詞庫(kù)碼本的動(dòng)態(tài)更新的系統(tǒng)ZHHZ-UCWRS?! ∥恼率紫冉榻B了如何新聞網(wǎng)站上獲取語(yǔ)料,構(gòu)建一個(gè)用于未登錄識(shí)別的語(yǔ)料庫(kù)的方法;然后,重點(diǎn)討論了如何從語(yǔ)料中識(shí)別未登錄的方法,提出了根據(jù)字頻和字符串長(zhǎng)度確定的字串權(quán)值,利用貪心算法切分碎片,獲取碎片中的未登錄詞“碎片分詞

2、”方法,并在此基礎(chǔ)上,通過(guò)建立二元模型結(jié)合互相息和規(guī)則過(guò)濾,提出了在“碎片分詞”基礎(chǔ)上進(jìn)行“詞結(jié)合提取”方法,獲得語(yǔ)料中的未登錄詞;通過(guò)頻度過(guò)濾等方法去除集合中不適合用于輸入法詞庫(kù)的未登錄詞;最后,對(duì)未登錄詞按照輸入法編碼規(guī)則進(jìn)行編碼,并按照一定格式轉(zhuǎn)入到輸入系統(tǒng)的自定義文本,完成輸入系統(tǒng)詞庫(kù)的動(dòng)態(tài)更新。值得一提的,本文提出的利用“碎片分詞”和“詞結(jié)合提取”的方法識(shí)別語(yǔ)料中的未登錄詞在開(kāi)放測(cè)試中的準(zhǔn)確率達(dá)到81.25%,召回率達(dá)到82.

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(hù)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(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(hù)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。

評(píng)論

0/150

提交評(píng)論