位置:成果数据库 > 期刊 > 期刊详情页
藏语语料库词语分类体系及标记集研究
  • 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]青海师范大学藏文信息研究中心,青海西宁810008
  • 相关基金:基金项目:国家语委资助项目(MZ05118);国家社会科学基金资助项目(07BYY035,09XYY024)
作者: 才让加[1]
中文摘要:

语料库加工是一项庞大的语言工程,其中分词标注是最基础性的工作,而分词标注词典是标注系统的重要组成,词典设计的优劣直接关系着分词标注的速度和效率。在设计国家语委项目《班智达藏文自动标注系统》的基础上,给出了分词标注词典库的结构及词典库索引查询算法。对85万字节藏语实验语料的分词和标注,分词准确率达99%,标注准确率达97%。

英文摘要:

Corpus processing is a complicated project of language engineering, in which the segmentation and tagging are the fundamental work. The part - of speech tagging dictionary is an exxential composition of the taggging process, relating directly to the speed and efficiency of tagging. Based on design of project "Ban Zhi Da Titetan Au- to-tagging System" supported by the National Language Committee, this paper presents the construction of tagging dictionary and its index and search algorithm. The experiment on the 850 KB corpus of Tibetan shows that word segmentation accuracy rate can reach 99% and tagging accuracy rate can reach 97% .

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