- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
面向文本知识理的自适应中文分词算法
第33 卷第10 期 重 庆 大学 学 报 Vol.33 No. 10
2010 年10 月 Journal of Chongqing University Oct. 2010
: 1000582 (2010) 1011008
冯 永, 贺 迅, 唐 黎, 陈显勇, 陈 贞
(重庆大学 计算机学院,重庆 400044)
:针对传统字典匹 分词法在识别新词和特殊词处理方面的不足, 结合2 元统计模型提
出了面向文本知识管理的自适应中文分词算法!!! SACWSASACWSA 在预处理阶段结合应用
有限状态机理论基于连词的分隔方法和分治策略对输入文本进行子句划分, 从而有效降低了分词
算法的复杂度; 在分词阶段应用 2元统计模型, 结合局部概率和全局概率, 完成子句的切分, 从而有
效地提升了新词的识别率并消除了歧义;在后处理阶段,通过建立词性搭 规则来进一步消除2 元
分词结果的歧义SACWSA 主要的特色在于利用 分而治之 的思想来处理长句和长词, 用局部概
率与全局概率相结合来识别生词和消歧通过在不同领域语料库的实验表明,SACWSA 能准确
高效地自动适应不同行业领域的文本知识管理要求
: 知识管理; 文本处理; 统计方法; 自适应算法
: TP182 :A
Text knowledge management oriented adaptive
Chinese word segmentation algorithms
FENG Yong , HE un, TANG Li, CHEN ianyong , CHEN Zhen
(College of Computer Science, Chongqing University, Chongqing 400044, P.R. China)
Abstract: To overcome the shortcomings of new word recognition and special word processing for the
traditional dictionarybased matching algorithm in, text knowledge management oriented adaptive Chinese
word segmentation algorithm ( SACWSA) based on 2gram statistical model is presented. . At the
preprocessing stage, SACWSA applies finite state machine theory, conjunctionbased partition method and
divide conquer strategy to partition long sentences in input text into subsentences, which reduces the
algorithm complexity effectively. At theword segmentation stage, 2gram statisticalmodel is employed and
combined with partial probability and overall probability to partition the subsentences into words, which
improved the recognition rate of new words and eliminated ambiguity. At the postprocessing stage, the
matching rules of partofspeech are established to eliminate ambiguity of 2gram word segmentation results
furt
文档评论(0)