位置:成果数据库 > 期刊 > 期刊详情页
多语料库中汉语四字格的切分和识别研究
  • ISSN号:1003-0077
  • 期刊名称:《中文信息学报》
  • 时间:0
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]金陵科技学院人文学院,江苏南京210038, [2]南京师范大学计算机科学与技术学院,江苏南京210046, [3]南京师范大学文学院,江苏南京210097, [4]南京农业大学信息科学技术学院,江苏南京210095
  • 相关基金:国家社会科学基金资助项目(07BYY050);国家自然科学基金资助项目(61272221);南京农业大学人文社会科学项目(SK 2013023)
中文摘要:

汉语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一直呈上升趋势。该文将研究的目光投向分词语料库中的四字格,对语料库中的四字格进行了系统的分类和归纳,并对语料库内部和语料库之间的四字格切分不一致现象进行了详细的调查统计。最后,针对四字格的切分不一致数据引入条件随机场(CRF)模型,对多语料库中的汉语四字格进行识别实验,封闭测试和开放测试的识别精度均达到93%以上。

英文摘要:

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 is still on the rise.This article looks into the eyes of the large number of four-character idioms in word-segmented corpora,and works on the four-character idioms in corpora for analysis and induction.Then this article works on the segmented comparison of four-character idioms both in single segmented corpora and between different segmented corpora.Finally,through the introduction of CRF statistical model,and take the results of segmented comparison of four-character idioms as training corpora,this article develops the research of the recognition of four-character idioms in corpora.Recognition results show the accuracy of four-character idioms can reach more than 93%in both closed test and open test.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《中文信息学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学技术协会
  • 主办单位:中国中文信息学会 中国科学院软件研究所
  • 主编:孙茂松
  • 地址:北京海淀中关村南四街4号中科院软件所
  • 邮编:100190
  • 邮箱:jcip@iscas.ac.cn
  • 电话:010-62562916
  • 国际标准刊号:ISSN:1003-0077
  • 国内统一刊号:ISSN:11-2325/N
  • 邮发代号:
  • 获奖情况:
  • 国内外数据库收录:
  • 日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:9136