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),請進行舉報或認領(lǐng)
文檔簡介
1、越來越多的實踐證明,詞匯知識庫是自然語言處理系統(tǒng)不可或缺的組成部分,語言知識庫的規(guī)模和質(zhì)量在很大程度上決定了自然語言處理系統(tǒng)的成敗。這已經(jīng)成為自然語言處理研究人員和系統(tǒng)開發(fā)者的共識。構(gòu)建概念之間的關(guān)系,是建立本體,特別是漢語本體的重要的研究課題,它們是自然語言處理進一步發(fā)展所必須倚重的基礎(chǔ)知識,不但是建立語言知識庫的理論基礎(chǔ),而且有著廣泛的應用。目前語義關(guān)系庫的建立,還是采用手工的方法,工作量很大[5]。如果能夠引進計算機的輔助提取,那
2、么建立這樣詞匯知識體系的效率將大大提高。我們相信,這種詞匯間的關(guān)系,必然有著其內(nèi)在的規(guī)律,完全有借助程序高效自動抽取的可能。本文利用機器可讀詞典作為資源,首先通過對釋義項進行分類,然后基于釋義分析自動生成用于抽取詞匯知識的模版,然后采用模版匹配的方法,實現(xiàn)詞匯知識的自動抽取,使用的是規(guī)則提取加上特征消歧的方法。在機器可讀詞典中,已經(jīng)蘊含了許多候選的關(guān)系模式,標注詞典中一部分具有特定類別的釋義進行分析,提取對其中上下位等語義關(guān)系有較為明顯
3、指示作用的模式,來構(gòu)建被釋義的名詞和釋義中出現(xiàn)的詞匯之間的語義關(guān)系。并根據(jù)上下文中的形態(tài)、句法等特征,建立相應的統(tǒng)計模型用以對結(jié)果進行過濾。在實現(xiàn)上述模型,在應用到《應用漢語詞典》中后,取得了較好的抽取效果。然后,在前面的研究基礎(chǔ)上,通過分析從機器可讀詞典中手工標注出來的各種上下文信息,研究對概念內(nèi)涵特征信息進行自動抽取的問題,并做了一些初步的嘗試。主要集中在對提取名詞的屬性特征以及部分形容詞(主要是顏色詞)的研究,具體方法是先手工標注
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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(quán)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
- 基于機器學習的雙語詞匯抽取問題研究.pdf
- 基于機器學習的雙語詞匯抽取問題研究(1)
- 中文詞典中詞匯屬性知識的獲取.pdf
- 基于詞典和機器學習組合的情感分析.pdf
- 基于《現(xiàn)代漢語方言大詞典》的詞匯統(tǒng)計研究.pdf
- 基于信息抽取技術(shù)的知識搜索系統(tǒng).pdf
- 基于《漢語大詞典》語料庫的西周詞匯研究.pdf
- 英中機械詞匯詞典
- 湖南衡山方言日常詞匯詞典和詞匯研究.pdf
- 基于詞向量與可比語料庫的雙語詞典抽取算法研究.pdf
- 《突厥語大詞典》詞匯分析.pdf
- 基于詞匯語義信息的中文命名實體關(guān)系抽取研究.pdf
- 基于海量學術(shù)資源的知識元抽取研究.pdf
- 知識抽取系統(tǒng)中學術(shù)概念屬性的抽取.pdf
- 《內(nèi)經(jīng)》詞匯與《漢語大詞典》.pdf
- 基于內(nèi)容的知識抽取與知識重組研究與實現(xiàn)
- 基于Bootstrapping的領(lǐng)域知識自動抽取技術(shù)的研究.pdf
- 基于信息抽取技術(shù)的博客知識發(fā)現(xiàn)研究.pdf
- 基于WEB多語種詞匯翻譯信息抽取技術(shù)的研究.pdf
- 口筆譯高頻詞匯詞典
評論
0/150
提交評論