2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩67頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、本文重點介紹了一個基于字符串匹配與基于統(tǒng)計相結(jié)合的中文分詞方法,解決了一定條件下的人名,地名,數(shù)量詞等未登錄詞以及交集型歧義和自然語言的二義性引起的歧義等問題。本文的算法首先對待分詞的字符串進(jìn)行斷句(優(yōu)先在待分詞的字符串中識別和切分出標(biāo)點符號,以這些符號作為斷點,可將原來的字符串分解為較小的串再進(jìn)基于字符串匹配的分詞,從而減少匹配的錯誤率),然后對斷句結(jié)果運用正向和逆向最大匹配算法依次進(jìn)行分詞處理,再對處理結(jié)果進(jìn)行比較,如果分詞結(jié)果不同

2、則表明可能存在歧義,就采用基于統(tǒng)計的方法進(jìn)行歧義處理,從而提高了分詞的準(zhǔn)確率。 本文設(shè)計的算法在兩個方面進(jìn)行了改進(jìn),首先是在分詞詞典方面,將原來單一的詞典分為基本詞典和特征詞詞典兩個部分。改進(jìn)了基本分詞詞典在內(nèi)存中的存儲結(jié)構(gòu),根據(jù)漢語中兩字詞的數(shù)量最多的特點和哈希索引表查找效率高的特點,采用了雙字哈希索引結(jié)構(gòu)將詞典中的詞按前兩個字為索引關(guān)鍵字進(jìn)行存儲,同時改進(jìn)了剩余字串的存儲方式,將詞剩余字串按詞長逆序存放,提高了匹配查找的速度

3、。在匹配過程中結(jié)合特征詞詞典對歧義進(jìn)行探測和處理,提高了機(jī)械分詞的準(zhǔn)確率,大大提高了對姓名、地名和數(shù)量詞的正確切分率減少這些詞所引起的歧義數(shù)量節(jié)省了歧義處理時間,提高了分詞速度。其次是在統(tǒng)計分詞方面的改進(jìn),本算法中利用統(tǒng)計方法處理未登錄詞和歧義。統(tǒng)計方法的最大缺點就是要求字串要在待分析的字符串中出現(xiàn)一次以上,所以基于統(tǒng)計的分詞方法的分全率和準(zhǔn)確性比較低,針對這一缺點在歧義處理上,我們加入了一些對漢語語言分析所得的規(guī)則,來彌補單純的統(tǒng)計分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論