电子公文主题词测试系统地研究.pdfVIP

电子公文主题词测试系统的研究 孙莉张工厂 (东华大学计算机学院，上海200051) E-mail：zgczgc2008@126．tom 摘要随着计算机科学技术的发展，电子政务的应用也越来越广．电子公文的应用也越来越多。如何对电子岱文进行 主题词的测试也成为了非常重要的问题。本文将着重介绍电子公文的主题词测试系统的研完。 美键词电子政务电子公文主题词测试 ResearchofTheme-wordsTest ofE-document System SunLiZhangGongchang of and Technology，Doughua 200051) (CollegeComputer University，Shanghai Abstract：Withthe ofseienceand of is widerand technology，the becoming development applicationE-government wider．and∞doesE—document．Howteconducttheme-wordstestbecomes will veryimportant．Thispaper present of researchtheme-wordstest ofE-document． system Keywords：E—government，E-documentttheme-words，teat 1引言 计算语言学家是早把HMM技术应用于英语的词性标注 在世界各国积极倡导的“信息高速公路”的五个应用领域 并取得了极大的成功．仅仅依靠简单的统计方法就已达到95％ 中．“电子政务”被列为第一位¨I，其后是“电子商务、远程教育、 左右的正确率。在词性标注中，可观察层是词的序州，隐藏层是 远程医疗、电子娱乐”。可见，政府信息化是社会信息化的基础 词类标记的序州，训练数据是标注好词性的文本语料，经过训 和重要组成部分。电子政务的主要目标之一是为公众提供高质 练的HMM就成为自动标注器．它可眦给只包含词序列的文本 高效的信息服务和事务办理。·电子公文在这一过程中扮演着重 中的每个同标注上词类标记。 要的角色。如何确保电子公文中出现的主题词符合国家标准， 就成为当前非常重要的问题。 非递归的名词短语，并取得了成功。 电子公文主题词测试系统正是为了解决该问题而提出的。 设N为HMM的状态数．M为观测符号数．T为观测符号 在本系统的研究过程中，采用以下方法： 序列的长度，HMM可由A、B和1r三个概率矩阵来定义，记为： (1)对电于公文体进行分词； X=(A．B．1r) (2)从分同的结果中提取主题词； 其中： (3)将提取出的主题词与电子公文中的主题词项进行比较． A=f％】为状态转移概率矩阵，矩阵元素粕为状态％转移列 H 如果一致．则通过测试；如果两者不一致，则确定其符合程度。