已閱讀1頁,還剩51頁未讀, 繼續(xù)免費閱讀
版權說明: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,請進行舉報或認領
文檔簡介
1、隨著現(xiàn)代信息技術的發(fā)展,自動分詞技術已經(jīng)廣泛應用在信息檢索、信息抽取、機器翻譯、語音合成等自然語言處理領域,同時結合中文文本的特點,自動分詞技術的研究已經(jīng)成為中文信息處理的一項基礎性課題。中文分詞技術主要研究將待處理文本利用分詞算法切分成詞,便于計算機對文本信息進行處理、理解和傳遞。在實現(xiàn)分詞的過程中,主要難點是歧義處理和未登錄詞識別。本文結合現(xiàn)有相關分詞技術理論與實現(xiàn)的方法,通過最大匹配算法與詞頻統(tǒng)計算法的結合,對中文文本分詞技術進行
2、深入研究與實踐。
本文在傳統(tǒng)單一詞典基礎上,將其分為特征詞典和基本詞詞典兩部分,優(yōu)化分詞詞典中對于詞條的存儲結構;采用雙字哈希索引結構,將詞典中的詞按前兩個字為索引關建字進行存儲,提高匹配查找的速度和準確率;增加對姓名、專屬名詞、地名和數(shù)量詞切分準確性,提高分詞系統(tǒng)的性能指標。同時,在分詞算法上,主要采用正向與反向最大匹配分詞結合的雙向分詞,將雙向匹配所產(chǎn)生的歧義字段應用詞頻信息進行判斷,完成對詞語間歧義和未登錄詞的處理。
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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于詞典的中文分詞歧義算法研究.pdf
- 基于詞典的中文分詞歧義算法研究
- 基于Lucene的中文分詞技術研究.pdf
- 基于詞典的中文分詞算法改進與實現(xiàn).pdf
- 基于Lucene的中文分詞技術研究與實現(xiàn).pdf
- 基于Hash算法的中文自動分詞技術研究.pdf
- 中文分詞關鍵技術研究.pdf
- 基于n-gram模型的中文分詞技術研究.pdf
- 一個基于詞典與統(tǒng)計的中文分詞算法.pdf
- 詞典與統(tǒng)計相結合的中文分詞的研究.pdf
- 中文自動分詞及人名識別技術研究.pdf
- 搜索引擎中文分詞技術研究.pdf
- 基于帶詞長的詞典機制和規(guī)則判定的歧義消解算法的中文分詞技術的研究.pdf
- 分詞詞典的構建.pdf
- 中文自動分詞關鍵技術研究與實現(xiàn).pdf
- 基于雙數(shù)組的分詞詞典研究與實現(xiàn).pdf
- 面向大規(guī)模信息檢索的中文分詞技術研究.pdf
- 基于中文分詞技術的智能答疑系統(tǒng)的研究.pdf
- 基于詞典與統(tǒng)計結合的中文分詞方法研究及全文檢索系統(tǒng)設計.pdf
- 漢語自動分詞和中文人名識別技術研究.pdf
評論
0/150
提交評論