

版權(quán)說明: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、在中文信息語(yǔ)言處理領(lǐng)域里,以大規(guī)模真實(shí)文本為基礎(chǔ)的語(yǔ)料庫(kù)研究和知識(shí)自動(dòng)獲取越來越受到重視,建設(shè)大規(guī)模高質(zhì)量的語(yǔ)料庫(kù)成為首要的任務(wù)。然而由于現(xiàn)階段語(yǔ)料庫(kù)的建立,需要人工來校驗(yàn),不可避免的會(huì)有一定的疏忽和錯(cuò)誤,導(dǎo)致了對(duì)同一字段在相同的語(yǔ)言環(huán)境下的切分結(jié)果不一致。這些不一致現(xiàn)象不僅影響了語(yǔ)料庫(kù)分詞的正確率,而且將錯(cuò)誤帶到了利用語(yǔ)料庫(kù)資源進(jìn)行加工的下一步驟。因此,對(duì)語(yǔ)料庫(kù)加工時(shí),必須對(duì)其進(jìn)行一致性的檢查和校正,保證語(yǔ)料庫(kù)加工的質(zhì)量。因此,應(yīng)將分
2、詞后的語(yǔ)料庫(kù)是否具有一致性作為衡量語(yǔ)料庫(kù)質(zhì)量的重要標(biāo)準(zhǔn)。
本文針對(duì)大規(guī)模語(yǔ)料庫(kù)分詞一致性存在的問題,通過研究山大和微軟語(yǔ)料庫(kù)中所出現(xiàn)的不一致字段,提出分詞不一致逐層解決的方法,先對(duì)語(yǔ)料使用規(guī)則的處理策略,然后針對(duì)規(guī)則處理的缺點(diǎn)使用統(tǒng)計(jì)模型進(jìn)行校驗(yàn)。該方法通過研究語(yǔ)料庫(kù)不一致字段及其上下文環(huán)境,應(yīng)用規(guī)則和統(tǒng)計(jì)模型的方法對(duì)不一致字段進(jìn)行自動(dòng)校對(duì),實(shí)驗(yàn)取得預(yù)期的目標(biāo),證明兩者相結(jié)合的方法可以更好的解決分詞一致性這個(gè)問題。
3、主要工作如下:
1.對(duì)400萬熟語(yǔ)料進(jìn)行了統(tǒng)計(jì)分析,總結(jié)了語(yǔ)料庫(kù)中分詞結(jié)果不一致的主要結(jié)構(gòu)類型,確定論文的研究對(duì)象,將影響分詞正確率的主要因素作為規(guī)則庫(kù)建立的根據(jù);
2.研究利用規(guī)則和實(shí)例來解決分詞一致性問題,提取出初始規(guī)則庫(kù)及大量實(shí)例,并將獲取的規(guī)則和實(shí)例應(yīng)用于分詞結(jié)果校對(duì)中。最后通過對(duì)規(guī)則庫(kù)進(jìn)行自學(xué)習(xí)來提高語(yǔ)料的分詞質(zhì)量;
3.提出統(tǒng)計(jì)的方法,將提取出的不一致字段及其上下文信息使用向量空間模型表示,并使
4、用相似度計(jì)算等方法獲得不一致字串的概率分布,在計(jì)算相似度時(shí)引入同義詞詞林。最后通過定量的方法對(duì)不一致字串進(jìn)行分類。
4.基于以上的思想和方法,分別對(duì)基于規(guī)則、基于統(tǒng)計(jì)以及將兩種方法相結(jié)合的方法設(shè)計(jì)實(shí)驗(yàn)?zāi)P停瑢?duì)模型進(jìn)行了實(shí)驗(yàn)后,詳細(xì)分析了實(shí)驗(yàn)結(jié)果。
在統(tǒng)計(jì)與分析數(shù)據(jù)的基礎(chǔ)上,對(duì)具有不同特征的不一致字串提出了多種處理方法,層層遞進(jìn)的處理策略,取得較好的分類效果。對(duì)一個(gè)語(yǔ)料庫(kù)中發(fā)生了切分不一致的字串進(jìn)行分類處理,把相同結(jié)構(gòu)
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(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,若沒有圖紙預(yù)覽就沒有圖紙。
- 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
- 中文語(yǔ)料庫(kù)切分不一致字串分類校驗(yàn)方法研究.pdf
- 中古漢語(yǔ)語(yǔ)料庫(kù)分詞不一致問題研究.pdf
- abo血型不一致101125
- 本體不一致問題研究.pdf
- 不一致數(shù)據(jù)的查詢處理.pdf
- 淺談結(jié)算條款不一致的處理方法
- arcgis中影像顏色不一致的問題
- 心室復(fù)極不一致的仿真研究.pdf
- 中文語(yǔ)料庫(kù)的分類與檢索的研究與實(shí)現(xiàn).pdf
- arcgis中影像顏色不一致的問題
- 阿里濫發(fā)信息商品要素不一致知識(shí)評(píng)估品牌不一致考試答案
- ICSID仲裁裁決不一致問題研究.pdf
- 合同中分項(xiàng)報(bào)價(jià)與總價(jià)不一致
- 英國(guó)法院“不一致宣告”制度研究.pdf
- 時(shí)間偏好的動(dòng)態(tài)不一致下的信息控制.pdf
- 基于領(lǐng)域語(yǔ)料庫(kù)的中文自動(dòng)分詞系統(tǒng)的研究.pdf
- 漢語(yǔ)句法樹庫(kù)不一致發(fā)現(xiàn)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 知識(shí)本體模型下的不一致推理機(jī)制研究.pdf
- 時(shí)間自我:過去我、現(xiàn)在我和將來我的一致與不一致.pdf
- 關(guān)于自我不一致個(gè)體注意偏向的實(shí)證研究.pdf
評(píng)論
0/150
提交評(píng)論