現(xiàn)代漢語數(shù)字縮略語自動提取研究.pdf

1、縮略語研究不僅是語言學(xué)的研究領(lǐng)域，也是自然語言處理的一個重要課題?，F(xiàn)代漢語縮略語自動提取研究，是未登錄詞識別的一部分。在目前現(xiàn)代漢語縮略語詞典資源缺乏的現(xiàn)狀下，對現(xiàn)代漢語縮略語的自動提取研究，從而建立現(xiàn)代漢語縮略語的數(shù)據(jù)庫，不僅是中文自動分詞的需要，對信息檢索、機(jī)器翻譯、自動分類、自動文摘，句法分析的性能指標(biāo)都有重要的影響。
　　 論文選擇了縮略語范圍的數(shù)字縮略語的提取作為研究領(lǐng)域。現(xiàn)代漢語數(shù)字縮略語的提取研究就是從大規(guī)模的真實

2、文本中識別并提取出漢語數(shù)字縮略語的過程。
　　 論文首先以縮略語詞典為基礎(chǔ)建立現(xiàn)代漢語數(shù)字縮略語詞庫，通過對詞庫里的現(xiàn)代漢語數(shù)字縮略語的內(nèi)部結(jié)構(gòu)特征總結(jié)歸納出初步的識別規(guī)則；其次建立總體約128萬字的封閉和開放測試語料庫，使用不同的分詞系統(tǒng)對測試語料進(jìn)行分詞和詞性標(biāo)注，并手工標(biāo)注數(shù)字縮略語。之后對比初始標(biāo)注的結(jié)果與手工標(biāo)注的正確答案，在錯誤驅(qū)動的基礎(chǔ)上，獲取一批轉(zhuǎn)換規(guī)則；從而補(bǔ)充修改之前的規(guī)則。最后給出了漢語數(shù)字縮略語提取的封閉