5 单词的探究论文词组的分析.pptVIP

例如“于山”如果是一个地名，那么加入词典中，则对“由于山区”的切分变成链长为 2 的交集歧义问题。因此，有必要研究中国地名特点、用字规律、用词规律、构词规律和地名的上下文规律，实现真实文本中中国地名的自动处理。 中国地名的特点，有一些对处理构成一定的难度。例如，中国地名的长度没有一定的限制，从一个到多个不等，像“京、津”这样的简称，长度为 1；而“北京”长度为 2，“内蒙古”长度为 3 等等。另外，汉语的常用字经常出现在地名之中，例如“大直街”、“马家沟”中的汉字都是常用字。此外，地名中含有的多字词也不利于地名的处理，例如“黄果树瀑布”中的“果树”本身就是一个词，这肯定增加了难度。 但是，中国地名的处理过程中也有可以利用的信息，例如一些后缀有利于地名的处理，像“乡、村、市、县”等。 对于地名的处理，虽然已经有不少的方法，但是一般可以采用统计与规则相结合的方法，现在举例说明如下： （1）先建立一个包括省、自治区、直辖市、市、县、区、镇、乡、村，以及山脉、河流、湖泊、峡谷、岛屿等等的中国地名库，收集尽可能多的地名。越多、越详细越好，这将为以后的高质量机器翻译打下好的基础。 （2）可以先统计出地名库中地名用字以及地名的首、中、尾用字规律及频率，然后再建立地名用字库，最后统