2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩70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、隨著時(shí)代的發(fā)展、網(wǎng)絡(luò)的普及,互聯(lián)網(wǎng)已經(jīng)成為了一個(gè)巨大的信息庫(kù),越來(lái)越多的人開始從互聯(lián)網(wǎng)上獲取知識(shí)。如何讓用戶快速獲得文本中感興趣詞的信息,如何用已有的知識(shí)庫(kù)標(biāo)注網(wǎng)絡(luò)文本中大量的生詞,已經(jīng)成為自然語(yǔ)言處理領(lǐng)域的一個(gè)研究熱點(diǎn)。實(shí)體鏈接系統(tǒng)是一個(gè)從文本中識(shí)別出實(shí)體并把它鏈接到現(xiàn)有知識(shí)庫(kù)中相應(yīng)實(shí)體上的系統(tǒng)。通過(guò)實(shí)體鏈接,用戶將更加快速、更加方便的了解文本中實(shí)體的信息,進(jìn)而更加快速的理解文本。同時(shí),實(shí)體鏈接還極大的促進(jìn)了語(yǔ)義網(wǎng)構(gòu)建、知識(shí)庫(kù)構(gòu)建、信

2、息檢索、問(wèn)答系統(tǒng)等技術(shù)的發(fā)展。近年來(lái),網(wǎng)絡(luò)上出現(xiàn)了大量的平臺(tái),人們利用這些平臺(tái)來(lái)進(jìn)行交流。這其中,就產(chǎn)生了大量的數(shù)據(jù),這些數(shù)據(jù)都是以文本的形式存在。在短文本中,由于用戶水平的不同,表達(dá)方式的不同,這些文本數(shù)據(jù)存在大量的錯(cuò)別字、簡(jiǎn)稱、別名、網(wǎng)絡(luò)用語(yǔ)、口語(yǔ)、昵稱、模糊不清和不規(guī)范的表達(dá),采用傳統(tǒng)的實(shí)體識(shí)別和鏈接系統(tǒng)對(duì)這些短文本進(jìn)行實(shí)體識(shí)別和鏈接效果并不好。在長(zhǎng)文本中,文中存在大量的共指,如何將這些共指正確的實(shí)體指稱鏈接到知識(shí)庫(kù),是一個(gè)有待解

3、決的問(wèn)題。
  本文主要工作如下:
  (1)研究了網(wǎng)絡(luò)爬蟲技術(shù)。采用了基于模板和正則表達(dá)式的方法對(duì)網(wǎng)絡(luò)上的代理IP進(jìn)行自動(dòng)抽取,該方法滿足了批量獲取代理IP的需求,提升了網(wǎng)絡(luò)爬蟲系統(tǒng)的穩(wěn)定性。同時(shí),針對(duì)互動(dòng)百科、百度百科以及豆瓣網(wǎng),找到了獲取它們?nèi)縐RL的方法,設(shè)計(jì)并實(shí)現(xiàn)了網(wǎng)絡(luò)數(shù)據(jù)采集系統(tǒng)。對(duì)采集的數(shù)據(jù)源碼進(jìn)行抽取,構(gòu)建了中文知識(shí)庫(kù)和同義詞表。另外,從中文知識(shí)庫(kù)中提取出人名,利用百度知心來(lái)擴(kuò)充同義詞表。
  (2)

4、針對(duì)短文本中實(shí)體存在大量縮寫、簡(jiǎn)稱的問(wèn)題,提出了交大中文分詞系統(tǒng)與詞典、在線百科相結(jié)合的實(shí)體識(shí)別算法。在實(shí)體鏈接,采用了同義詞表、維基百科重定向以及改進(jìn)的PED(拼音編輯距離)與LCS(最長(zhǎng)公共子序列)相結(jié)合的方法。在實(shí)體消歧中,提出了基于后綴補(bǔ)全的消歧算法和基于在線百科鏈接權(quán)重的消歧算法。
  (3)針對(duì)長(zhǎng)文本實(shí)體鏈接,提取維基百科的特征構(gòu)建了名稱-實(shí)體表。在候選實(shí)體生成中,采用了名稱-實(shí)體表匹配、拼音匹配、流行度匹配以及基于上

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