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)
文檔簡介
1、漢字種子混淆集技術(shù)的研究一直是中文文本自動(dòng)校對(duì)技術(shù)的一個(gè)重要的基礎(chǔ)性課題,也是一個(gè)瓶頸問題,它對(duì)中文文本自動(dòng)校對(duì)技術(shù)的發(fā)展有巨大的推動(dòng)作用。本文對(duì)漢字種子混淆集領(lǐng)域涉及到的主要技術(shù)進(jìn)行了比較全面和仔細(xì)的研究,包括漢字種子在中文文本中出現(xiàn)的錯(cuò)誤類型、大數(shù)據(jù)詞典的存儲(chǔ)方式、中文文本分詞算法、混淆集的排序。
本文從一個(gè)新的角度對(duì)漢字混淆集進(jìn)行了研究,通過錯(cuò)別字出現(xiàn)的各種類型來人工創(chuàng)建11935個(gè)漢字可能的錯(cuò)別字;以這些漢字為節(jié)點(diǎn),“
2、可錯(cuò)成”的關(guān)系為邊,將混淆集構(gòu)造成一個(gè)錯(cuò)別字混淆集圖;在錯(cuò)別字混淆集圖的基礎(chǔ)上,設(shè)計(jì)了自擴(kuò)展算法來發(fā)現(xiàn)內(nèi)部規(guī)則進(jìn)行補(bǔ)充和驗(yàn)證錯(cuò)別字混淆集;通過外部大數(shù)據(jù)來開源補(bǔ)充混淆集,發(fā)現(xiàn)新的錯(cuò)別字對(duì),并對(duì)每個(gè)種子漢字的混淆集進(jìn)行了排序,最終構(gòu)建一個(gè)種子漢字混淆集字典。根據(jù)實(shí)驗(yàn),經(jīng)過隨機(jī)抽樣校對(duì),準(zhǔn)確率達(dá)到87.35%。
本文的主要貢獻(xiàn)如下:
首先,對(duì)中文文本中出現(xiàn)的錯(cuò)別字形式進(jìn)行了廣泛而深入的研究,通過對(duì)大批量的文本進(jìn)行發(fā)現(xiàn),整
3、理出中文文本錯(cuò)別字出現(xiàn)的錯(cuò)誤類型,包括音似、形似、相鄰鍵位擊鍵錯(cuò)誤、拼音相同詞組誤選等文本的錯(cuò)誤形式,并對(duì)其進(jìn)行分析,并提出解決的方法。
其次,對(duì)漢字種子的錯(cuò)別字混淆集從一個(gè)嶄新的角度對(duì)其進(jìn)行自動(dòng)添加,提出了錯(cuò)別字混淆集圖的概念,并通過對(duì)錯(cuò)別字圖的研究,發(fā)現(xiàn)規(guī)則對(duì)其補(bǔ)充。
再次,進(jìn)一步通過大數(shù)據(jù)對(duì)混淆集進(jìn)行自動(dòng)補(bǔ)充,最終形成一部種子漢字混淆集字典。
最后,通過錯(cuò)別字的字頻和形相似度對(duì)錯(cuò)別字混淆集進(jìn)行排序,對(duì)
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
- 黃芩及同屬混淆品種子的系統(tǒng)鑒別研究.pdf
- 柴胡及同屬混淆品種子的系統(tǒng)鑒別研究.pdf
- 丹參及同屬混淆品種子的系統(tǒng)鑒別研究.pdf
- 基于漢字發(fā)展史的漢字簡化方法研究.pdf
- 漢字構(gòu)型與意義構(gòu)建的認(rèn)知研究.pdf
- 概率混淆熵分類器評(píng)價(jià)方法研究.pdf
- 存儲(chǔ)系統(tǒng)中測(cè)試數(shù)據(jù)集的構(gòu)建方法研究.pdf
- 基于控制混淆和布局混淆的代碼混淆系統(tǒng).pdf
- 軟件測(cè)試用例集簡化及其構(gòu)建方法研究.pdf
- 論我國商標(biāo)反向混淆解決機(jī)制的構(gòu)建.pdf
- 越南的漢字教學(xué)方法研究.pdf
- 基于易混淆字符集神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別算法研究.pdf
- 基于混淆矩陣的分類器選擇集成方法研究.pdf
- 基于組合特征的小字符集脫機(jī)手寫漢字識(shí)別方法.pdf
- 基于bytecode混淆的Android應(yīng)用保護(hù)方法研究與實(shí)現(xiàn).pdf
- 漢字生成系統(tǒng)構(gòu)建探索.pdf
- 回歸測(cè)試用例集極小化及構(gòu)建方法的應(yīng)用研究.pdf
- 漢字文檔圖像的圖文分割方法研究.pdf
- 基于混淆矩陣的分類器選擇集成方法研究
- 基于大字符集脫機(jī)手寫體漢字識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論