- 1、本文档共2页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于Perl的汉语自动分词算法研究
第24卷第l期 中州大学学报 2007年1月
V01.24No.1 JOURNAL0FZHONGZHOUUNIVERSI’IY J跚.2007
基于Perl的汉语自动分词算法研究
王 巍
(北京航空航天大学自动化科学与电气工程学院,北京100083)
摘要:汉语的自动分词是汉语语言处理的基础,本文讨论了汉语自动分词歧义问题的产生与分类,重点研究
了交集型歧义字段的排歧策略,实现了一种基于Ped的汉语自动分词方法,在比较同种算法的VC++实现上,结果显
示基于Ped的实现具有简洁和高效的优点。
关键词:自动分词;交集型歧义字段;基于Ped语言
中图分类号:哪9l 文献标识码:A 文章编号:1008—3715(2007)Ol一0120—03
一、引言 t咄Language)是hrrywall于1987年为进行文本处理和系
自动分词是中文信息处理的基础,主要应用在信息检
索、汉字的智能输入、自动摘要、自动分类等很多方面。汉语 言具有出色的处理文本能力,并且是跨平台的编程语言。与
自动分词的任务,简单地说,就是要由机器在中文文本中词 其他大部分语言不一样,Ped没有不同的变量类型。Ped中
与词之间自动加上空格。但汉语词语的切分往往存在歧义, 只有一种数据类型,即字符串。Ped允许你使用数字,但
歧义的处理是自动分词系统中最核心的部分。一般来说,有 Ped实际上关心的是这些数字组成的字符串。
两种基本的切分歧义类型,一是交集型切分歧义,如汉字串 依扫描句子的方向,可分正向最大匹配MM(从左到右)
AJB中AJ,JB同时为词;一是多义组合型切分歧义,即汉字和逆向最大匹配RMM(从右向左)两种,从最大匹配法出发
导出了“双向最大匹配法”,即MM+RMM。在汉语文本中
串AB中A,B,AB同时为词。据统计,汉语真实文本中,歧
义切分现象的出现概率约为1/110,其中,交集型歧义切分 9.O%左右的句子MM和RMM切分不同,但其中必有一个
现象占86%,因此这种歧义切分应该作为重点加以处理。 是正确的(歧义检测成功),只有不到1.O%的句子,或者
识别交集型歧义字段一般采用双向扫描方法,即对同一 MM和RMM的切分虽然重合却是错的,或者MM和RMM
字段分别用正向匹配和逆向匹配方法,如果两种方法的切分 切分不同但两个都不对(歧义检测失败),所以双向最大匹
方法不同,则认为有交集型歧义。对组合型歧义字段,目前 配法在实用中文信息处理系统中得到广泛使用。
还没有较好的识别技术,对组合型歧义字段的识别在一定程 双向最大匹配法重点是放在检错和纠错上,基本做法是
度上要依赖组合型歧义字段库。而排歧算法主要包括最大 将正向最大匹配法的结果和逆向最大匹配法的结果作比较,
匹配法,基于统计模型的Viterbi算法。利用统计模型方法一致的切分结果认为是正确的,不一致的切分结果则采用人
只能解决交集型歧义切分问题,因为根据算法思路,任何两 工干预或上下文相关信息选取一种切分。
个词的费用之和必不小于这两个词作为一个整体的费用。 基于Perl的双向最大匹配法流程如下:
Extraction粕d
Ped(Practical 1)读入文本数据作为匹配算法的词典;
Reporting蛔age)是解释
型的脚本语言,它具有出色的处理文本能力,是跨平台的编 2)对输入的句子做正向最大匹配分词,切分好的句子
为MMSen£ence;
程语言,Window弓,“nux,自主内存管理,没有内存泄漏问题,
强大便捷的模块化功能。本文首先探讨汉语自动分词的歧
您可能关注的文档
- 在本工业机器人产品使用说明书中,我们将尽力叙述与广州数.PDF
- 在生死交关、转眼生离死别的时刻;在自身利益与他人利益冲.PDF
- 在这一个灿烂的微笑面前,我们怎能哭泣 ( 2011 年 8 月 3 日傅.pdf
- 在阅卷中看出问题_在问题中得到启发.pdf
- 地层冻结法在地铁旁通道施工中的研究与应用.pdf
- 地球村之旅海南五天四夜游.doc
- 地磁的产生、分布及变化.pdf
- 地茯益肾方治疗阴囊潮湿56例临床观察.pdf
- 地铁区间隧道旁通道施工及监测技术.pdf
- 地茯益肾方·说明书.pdf
- 英语人教PEP版八年级(上册)Unit4+writing+写作.pptx
- 人美版美术四年级(上册)8 笔的世界 课件 (1).pptx
- 人美版美术七年级(上册)龙的制作.pptx
- 英语人教PEP版六年级(上册)Unit 2 第一课时.pptx
- 数学苏教版三年级(上册)3.3 长方形和正方形周长的计算 苏教版(共12张PPT).pptx
- 音乐人教版八年级(上册)青春舞曲 课件2.pptx
- 音乐人教版四年级(上册) 第一单元 音乐知识 附点四分音符|人教版.pptx
- 英语人教PEP版四年级(上册)Unit 6 Part B let's learn 1.pptx
- 道德与法治人教版二年级(上册)课件-3.11大家排好队部编版(共18张PPT).pptx
- 人美版美术七年级(上册)《黄山天下奇》课件1.pptx
文档评论(0)