电子邮件文档中维 英 汉文种识别技术研究与实现-软件工程专业论文.docxVIP

西安电子科技大学 学位论文创新性声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关的法律责任。 本人签名： 日期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本人签名： 日期 导师签名： 日期 摘 要 近年来，在新疆互联网应用本地化过程中随着技术的不步进步和发展，维吾 尔文新老文字在信息处理中得到了广泛使用，特别是在电子邮件中尤为突出。对 于该文种的识别，具有非常鲜明的新疆地域特色，需要研究开发相应识别技术和 方法。 本文针对在工作中实际急需解决邮件中维英汉等文字识别的问题,在详细分析 了电子邮件结构、汉字编码识别技术的基础上，提出了字典驱动的电子邮件文档 语种识别模型，采用新维文语料库和字典构造、字典查询内存快速定位等方式方 法，重点解决了对维吾尔新文字和老文字的识别技术难题。开发了专门的电子邮 件文档维英汉等文字文种识别应用系统，提高系统对海量邮件识别的运行效率。 该系统在通过大量测试、分析和不断完善后，目前已在实际业务中得以应用， 各项功能、指标达到系统设计要求，解决了实际工作中迫切需要解决的技术问题， 取得了较好的效果。 关键词：电子邮件 维英汉文种识别 字典驱动 内存快速定位 Abstract In recent years, as the technology developed continuously in the localization of network application, both the new and old Uyghur characters are widely used in information processing, especially in e-mails. As the recognition of Uyghur characters has typical characteristic of Xinjiang, new research, new distinguishing technique and method are needed. In view of the problems that need to be solved in practical work, like the recognition of Uyghur, Han language and English, after a close analysis of e-mail structure and the technique of distinguishing the coding of Chinese characters, the author puts forward a dictionary-driven model for language distinguishing in e-mails. It focus on solving the difficulties in distinguishing between new and old Uyghur characters and develops a special kind of e-mail text recognition applications by means of establishing corpus of new Uyghur, dictionary construction and quick orientation of memory and so on. After abundant experiments and analysis as well as constinuous optimization, now this system has been used in practical work in which its fun