共 7 条
[1]
[2]
[3]
[4]
[5]
[6]
[7]
基于单字特征和搜索引擎的新词识别
被引：4
作者：
苏宁
惠子敬
刘娟
机构：
[1] 武汉大学计算机学院
来源：
关键词：
新词识别;
单字词;
临界词;
搭配抽取;
搜索引擎;
D O I：
10.14188/j.1671-8836.2010.06.013
中图分类号：
TP391.1 [文字信息处理];
学科分类号：
120506 [数字人文];
摘要：
新词识别是影响搜索准确率以及速率的重要因素.本文提出了一种基于统计模型和词语搭配的中文新词自动识别方法.采用条件概率的方法提取单字词搭配特征和临界词特征,并采用层次结构实现新词定位以及识别.首先采用双向最大匹配相结合的方法对文本进行词法粗切分,然后根据单字词搭配得到候选新词的位置,用临界词方法确定候选新词的边界,采用改进Nagao串频统计方法对新词候选词在本文内进行重复串统计,对于只在文中出现一次的新词则借助搜索引擎进行确定.对新浪网近期的网络文章进行测试,结果表明,基于本文方法设计的系统可以识别不同领域的新词,在低频词、较长的词以及新词语搭配方面取得了良好的效果.单字词搭配检查发现新词位置综合指标F值达到96.8%.
引用
收藏
页码：704 / 710
页数：7
相关论文