2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩73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、隨著電子信息的飛速發(fā)展,各種中文輸入技術(shù)被應(yīng)用在電子信息的錄入過(guò)程中。但是各種輸入方法或者是由于用戶(hù)的關(guān)系,或者是程序本身算法的關(guān)系,都不能保證輸入信息100%的正確性。在知識(shí)信息化和出版電子化飛速發(fā)展的今天,文本手工校對(duì)不管是在時(shí)間上還是在人力成本上,都不能滿(mǎn)足人們的需要。文本識(shí)別流的自動(dòng)校對(duì)成為了亟需解決的問(wèn)題。中文文本自動(dòng)校對(duì)的研究總的來(lái)說(shuō)還處在剛剛起步的階段,從事這方面研究的人員還不是很多,公開(kāi)發(fā)表的論文也比較少,已經(jīng)提出的技術(shù)

2、并沒(méi)有針對(duì)特定的文本識(shí)別流做專(zhuān)門(mén)的研究。所以說(shuō),本文的研究工作具有一定的現(xiàn)實(shí)意義和實(shí)際應(yīng)用價(jià)值。 現(xiàn)在的自動(dòng)校對(duì)中的查錯(cuò)主要采用三種方法: ①利用文本上下文的字、詞和詞性等局部語(yǔ)言特征;②利用轉(zhuǎn)移概率對(duì)相鄰詞間的接續(xù)關(guān)系進(jìn)行分析;③利用規(guī)則或語(yǔ)言學(xué)知識(shí)。糾錯(cuò)方法主要有模式匹配,替換字表和似然匹配技術(shù)。本文在分析了文本識(shí)別流的特性的基礎(chǔ)上,設(shè)計(jì)了面向文本識(shí)別流的文本校對(duì)算法。算法主要包括以下幾個(gè)重要部分:提出了應(yīng)用于自動(dòng)校對(duì)處理的

3、分詞和詞性標(biāo)注一體化算法;通過(guò)對(duì)各種信息錄入方式的錄入過(guò)程分析,得到錄入錯(cuò)誤產(chǎn)生的原因與規(guī)律,并以此規(guī)律實(shí)現(xiàn)詞條的混淆集生成算法;主校對(duì)程序采用了概率分析的方法,基于2-gram模型,實(shí)現(xiàn)查錯(cuò)和糾錯(cuò)一體化的算法,最終將校對(duì)中糾錯(cuò)建議的生成問(wèn)題抽象成有向無(wú)回圖的最短路徑求取問(wèn)題;對(duì)程序進(jìn)行了改進(jìn)和最優(yōu)化處理,通過(guò)對(duì)測(cè)試集的處理,確定最優(yōu)化的程序參數(shù)。在算法的實(shí)現(xiàn)上,本文采用了動(dòng)態(tài)規(guī)劃算法,大大減少了算法的時(shí)空復(fù)雜度。在處理過(guò)程上,系統(tǒng)首先

4、對(duì)熟語(yǔ)料進(jìn)行訓(xùn)練操作,得到相關(guān)的統(tǒng)計(jì)信息;然后通過(guò)對(duì)測(cè)試語(yǔ)料集的處理,得到程序的最優(yōu)化參數(shù);然后用算法處理待校對(duì)文本,得到該校對(duì)算法的查準(zhǔn)率、查全率,糾準(zhǔn)率及糾全率;最后對(duì)算法的結(jié)果進(jìn)行分析,提出改進(jìn)意見(jiàn)。 本文的主要?jiǎng)?chuàng)新點(diǎn)在于:①針對(duì)不同識(shí)別流類(lèi)型,例如拼音輸入和五筆字形輸入,提出了混淆集生成的具體算法;②分析文本識(shí)別流中錯(cuò)誤的特點(diǎn),以此選擇制定合理有效的分詞和詞性標(biāo)注算法;③使用最優(yōu)化方法,確定程序中的參數(shù),其中包括混淆集元

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