中文詞義歸納研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩68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、詞義歸納利用聚類(lèi)技術(shù)自動(dòng)從未標(biāo)注語(yǔ)料中獲取多義詞的詞義,從而大大提高語(yǔ)言工作者的工作效率。因此,詞義歸納成為當(dāng)今計(jì)算語(yǔ)言研究中一個(gè)最重要的課題。本文基于CLP2010提供的詞義歸納語(yǔ)料,從特征向量的方法、圖的方法和詞義歸納集成三個(gè)方面對(duì)中文詞義歸納進(jìn)行了研究,探討適合中文詞義歸納的方法。具體內(nèi)容如下:
  (1)基于特征向量的中文詞義歸納。本文著重探討了特征選擇、算法等對(duì)系統(tǒng)性能的影響。選用詞語(yǔ)、單個(gè)漢字、漢字二元組等作為特征,單

2、個(gè)漢字特征能夠有效改善中文詞義歸納的結(jié)果,漢字二元組對(duì)分詞中的錯(cuò)誤有一定的糾正功能,對(duì)于單字詞的多義詞性能影響較大,而對(duì)多字詞的影響較小。聚類(lèi)算法中性能較好的是K-means和Rb算法。本實(shí)驗(yàn)系統(tǒng)F-score值為79.34%,與CLP2010的參賽系統(tǒng)比較,排名第一,特別在單字詞的多義詞中,結(jié)果為69.50%,遠(yuǎn)遠(yuǎn)超過(guò)大部分參賽系統(tǒng)。
  (2)基于共現(xiàn)圖的中文詞義歸納。圖方法性能較好,但更適用于較大規(guī)模語(yǔ)料。因此,本章使用4年

3、人民日?qǐng)?bào)語(yǔ)料對(duì)CLP2010語(yǔ)料進(jìn)行擴(kuò)充,使用擴(kuò)展的語(yǔ)料來(lái)描述源語(yǔ)料中各個(gè)節(jié)點(diǎn)的分布。使用權(quán)重閾值對(duì)節(jié)點(diǎn)進(jìn)行過(guò)濾能夠有效地改善系統(tǒng)性能,Part_Purity提高了大概20個(gè)百分點(diǎn),此時(shí)所有多義詞的詞義數(shù)分布與標(biāo)準(zhǔn)分布更為相近。添加搭配作為節(jié)點(diǎn),保證90.46%的Part_Purity同時(shí),有效多義詞數(shù)和平均有效實(shí)例數(shù)分別增加為93和27,優(yōu)于無(wú)搭配的88和25。對(duì)比基于源語(yǔ)料和擴(kuò)展語(yǔ)料的結(jié)果,擴(kuò)展語(yǔ)料能夠構(gòu)建更為合理的圖結(jié)構(gòu),其Par

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