网站大量收购闲置独家精品文档,联系QQ:2885784924

分词语料库中四字格的切分和识别研究-语言学及应用语言学专业论文.docx

分词语料库中四字格的切分和识别研究-语言学及应用语言学专业论文.docx

  1. 1、本文档共54页,可阅读全部内容。
  2. 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. 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. 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
分词语料库中四字格的切分和识别研究-语言学及应用语言学专业论文

PAGE PAGE 5 中文摘要 四字格的能产性和派生性极强,利用四字格模式创造出的新词数量在现代汉 语词汇中仍然呈上升趋势,因此对四字格的研究不能仅仅局限于文献和理论。本 文将研究的目光投向分词语料库中数量众多的四字格,并针对分词语料库中四字 格易被切碎的特点,进行了四字格抽取、四字格切分不一致比较、四字格识别等 一系列工作。 本文首先对分词语料库中的四字分词单位进行提取和筛选,得到四字格抽取 结果;并利用四字格抽取结果,进行了分词语料库内部和分词语料库之间的四字 格切分不一致比较工作。在四字格识别研究中,通过引入 crf 统计模型,并将四 字格切分不一致结果作为模型训练语料,本文在有词性标注分词语料库中进行了 四字格的识别研究。利用 crf 模型识别得到的四字格结果,统计四字格用字、词 性信息并观察内部结构特点总结规则,本文在无词性标注分词语料库中也进行了 四字格的识别研究。识别结果表明,在有词性标注分词语料库和无词性标注分词 语料库中,四字格的识别精度都能达到 90%左右。 关键字:分词语料库,四字格抽取,切分不一致,CRF Abstract The productive and derivative of four-character idioms are extremely high, the use of four-character pattern to create new words in the vocabulary of modern Chinese still on the rise, so the works on four-character idioms can not be limited to research and theoretical literature. This article will look into the eyes of the large number of four-character idioms in word-segmented corpora, and works for extraction, segmented comparison, recognition and a series of work of four-character idioms for the easily shred characteristics of four-character idioms in word-segmented corpora. This article first works on the fourth sub-word units in word-segmented corpora for extraction and screening, in order to take the results as the four-character idioms extraction; and works on the segmented comparison of four-character idioms both in single segmented corpora and between different segmented corpora by using the results of four-character idioms extraction . In the works of four-character idioms recognition, through the introduction of crf statistical model, and take the results of segmented comparison of four-character idioms as a training corpora of the model, in this article we develop the research of the recognition of four-character idioms in POS-tagged corpora. By using the results of the recognition of four-character idioms based on Crf model, and statisticsing the words, POS information, interal features of four-character idioms to summarize rules, in this article we also develop the research of

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档