2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著科技的發(fā)展和海量信息的涌現(xiàn),信息處理技術(shù)已經(jīng)成為當(dāng)今世界發(fā)展不可或缺的一部分。要在海量信息中提取有用的知識,就必須要讓機(jī)器“讀懂”這些由人類語言描述的信息。詞是最小的能夠獨立活動的有意義的語言成分,將詞確定下來是智能信息處理和自然語言理解的第一步,只有跨越了這一步,才有可能對信息進(jìn)行更深入的處理,以至于讓機(jī)器“理解”人類的語言。 針對漢語自動分詞,對其相關(guān)技術(shù)進(jìn)行了研究,包括詞語粗切分、未登錄詞識別、切分排歧和詞性標(biāo)注等技術(shù)

2、。在漢語自動分詞的預(yù)處理階段,綜合了最短路徑方法和全切分方法,給出了一種基于N—最短路徑的漢語粗切分方法,并采用一定的算法對全切分有向圖進(jìn)行遍歷,得到最優(yōu)的N組粗分結(jié)果作為后續(xù)處理的對象,在保證效率的前提下提高了分詞的準(zhǔn)確率。未登錄詞識別一直都是漢語分詞的難點之一。基于規(guī)則的方法和統(tǒng)計模型都被廣泛的使用。本文針對中文人名的特點,參考統(tǒng)計模型,針對其存在的問題進(jìn)行修改:不但將字段被識別為姓名的概率作為參考,而且將字段與其上下文(詞或字)的

3、共現(xiàn)概率也作為參考。二者相結(jié)合,提高了識別的準(zhǔn)確率。同時引入一些規(guī)則,對該模型不能處理的問題進(jìn)行補(bǔ)救,進(jìn)一步提高識別準(zhǔn)確率。切分排歧是漢語自動分詞的另一個難點。分詞系統(tǒng)的預(yù)處理階段所產(chǎn)生的N組最優(yōu)粗分結(jié)果正是由于歧義現(xiàn)象的存在,經(jīng)過后續(xù)的處理才能獲得最終的分詞結(jié)果。獲得全局最優(yōu)結(jié)果的過程即為切分排歧的過程。在此過程中參考了最大概率模型,并在其基礎(chǔ)上進(jìn)行了修改,考慮了所有可能的切分詞在全文的出現(xiàn)概率??梢赃M(jìn)一步提高切分準(zhǔn)確率。在詞性標(biāo)注階

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(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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論