中文術(shù)語(yǔ)抽取若干問(wèn)題研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩57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、術(shù)語(yǔ)作為專業(yè)知識(shí)的集中載體,它的創(chuàng)建、普及和消亡,動(dòng)態(tài)展現(xiàn)了一個(gè)學(xué)科的發(fā)展、演變歷程。專業(yè)術(shù)語(yǔ)數(shù)據(jù)庫(kù)作為一種知識(shí)源,能夠?yàn)楦黝愌芯咳藛T便捷地獲取專業(yè)知識(shí)提供重要支持。術(shù)語(yǔ)自動(dòng)抽取是構(gòu)建專業(yè)術(shù)語(yǔ)庫(kù)的關(guān)鍵技術(shù),同時(shí)也是自然語(yǔ)言處理領(lǐng)域中的一項(xiàng)基本課題,為包括機(jī)器翻譯、文檔摘要、信息檢索、文本分類、詞典編纂等在內(nèi)的諸多自然語(yǔ)言研究起到支撐作用。
   本文突破了名詞短語(yǔ)的限制,接納更多非名詞性結(jié)構(gòu)的專業(yè)術(shù)語(yǔ),拓寬了語(yǔ)言規(guī)則。結(jié)合實(shí)證分

2、析和機(jī)器學(xué)習(xí)策略,分別從結(jié)構(gòu)完整性、領(lǐng)域相關(guān)度和詞語(yǔ)搭配三個(gè)方面展開(kāi)研究,主要工作包括:
   ⑴以詞為最小語(yǔ)言單位,構(gòu)建一個(gè)涵蓋四萬(wàn)余條計(jì)算機(jī)專業(yè)術(shù)語(yǔ)的數(shù)據(jù)庫(kù)。針對(duì)不同長(zhǎng)度術(shù)語(yǔ)的分布特性,結(jié)合機(jī)器學(xué)習(xí)方法從多角度提煉出術(shù)語(yǔ)結(jié)構(gòu)的詞法特征。豐富語(yǔ)言規(guī)則的同時(shí),擴(kuò)大了規(guī)則覆蓋面,提高術(shù)語(yǔ)抽取的召回率。
   ⑵針對(duì)單詞型術(shù)語(yǔ)結(jié)構(gòu)簡(jiǎn)單,邊界清晰的特征,提出一種基于模糊聚類的識(shí)別算法。將術(shù)語(yǔ)識(shí)別過(guò)程成功轉(zhuǎn)化為二值分類任務(wù),無(wú)需

3、專業(yè)辭典和諸多語(yǔ)料庫(kù)的支持,實(shí)現(xiàn)單詞型術(shù)語(yǔ)的自動(dòng)聚合標(biāo)注。
   ⑶不同于已有方法中采用單一父串到多子串的歸并策略,本文從單一子串與多父串之間的逆向映射關(guān)系出發(fā),提出了一種基于獨(dú)立性統(tǒng)計(jì)的子串歸并算法,以此判斷候選術(shù)語(yǔ)的結(jié)構(gòu)完整性。實(shí)驗(yàn)表明,在O(n)的時(shí)間內(nèi),該算法不僅可以刪除普通子串,還能有效過(guò)濾由公共子串造成的干擾,將候選術(shù)語(yǔ)集有效縮減29.44%。
   ⑷以非名詞性詞語(yǔ)的構(gòu)詞能力為研究對(duì)象,提出了“詞匯活躍度”

4、(Word ActiveDegree,WAD)的概念。同時(shí)結(jié)合詞匯間粘合度,分析短語(yǔ)內(nèi)部詞語(yǔ)的搭配特征,過(guò)濾掉非良性搭配和局部成分過(guò)分活躍的短語(yǔ)。實(shí)驗(yàn)表明,采用WAD作為詞語(yǔ)搭配評(píng)判標(biāo)準(zhǔn),對(duì)由動(dòng)賓短語(yǔ)和介詞短語(yǔ)引發(fā)的錯(cuò)誤有較強(qiáng)的識(shí)別能力,正確率高達(dá)99.97%。
   ⑸根據(jù)術(shù)語(yǔ)和非術(shù)語(yǔ)在語(yǔ)料庫(kù)中變化趨勢(shì)的分布差異性,結(jié)合局部及全局特征,提出了一種基于分布變化特征的領(lǐng)域相關(guān)度計(jì)算方法。實(shí)驗(yàn)表明,該方法不僅能夠大幅降低計(jì)算復(fù)雜度,

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。

評(píng)論

0/150

提交評(píng)論