位置:成果数据库 > 期刊 > 期刊详情页
一种引入动态词库更新的中文分词架构
  • ISSN号:1003-3254
  • 期刊名称:《计算机系统应用》
  • 时间:0
  • 分类:TP391.12[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]北京邮电大学网络与交换技术国家重点实验室,北京100876, [2]东信北邮信息技术有限公司,北京100191
  • 相关基金:国家自然科学基金(61072057,61101119,61121001,60902051);长江学者和创新团队发展计划(IRT1049);国家科技重大专项(201IZX03002-001-01)
中文摘要:

针对互联网环境下新词出现和更新频率高的特点,将机械分词与基于规则分词相结合,提出一种动态更新词库的中文分词架构.本架构给出了新的词典设计结构及歧义处理规则,并将统计学中的互信息概念运用到新词判定环节.实验表明本文提出的中文分词架构具有较高的准确率和良好的适应性.

英文摘要:

Aiming at new word appearing and updating frequently in the Internet, through combining mechanical segmentation and rule-based segmentation, a framework for Chinese word segmentation with dynamic updating dictionary is provided. We improve a new dictionary design structure and ambiguity processing rules. Also the concept of mutual information in Statistics is used in determining the new word. The experiment shows that the framework for Chinese word segmentation proposed in this paper has high precision and is adaptive in different domains.

同期刊论文项目
期刊论文 183 会议论文 167 获奖 6 著作 1
同项目期刊论文
期刊信息
  • 《计算机系统应用》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院软件研究所
  • 主编:苏振泽
  • 地址:北京8718信箱
  • 邮编:100190
  • 邮箱:csa@iscas.ac.cn
  • 电话:010-62661041
  • 国际标准刊号:ISSN:1003-3254
  • 国内统一刊号:ISSN:11-2854/TP
  • 邮发代号:82-558
  • 获奖情况:
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2000版)
  • 被引量:15201