基于N-Gram的专业领域中文新词识别研究

来源 :现代图书情报技术 | 被引量 : 0次 | 上传用户:bramkon
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
以植物学作为专业领域的样本,对专业领域的新词自动化识别进行探索。研究选取《中国植物志》作为样本集,在ICTCLAS切词的基础上采用N-Gram统计的方法提取新词的候选项,然后分别按照词频(TF)、文档频率(D)和平均词频(TF/D)对新词候选项排序,取一定范围内的候选项作为识别出的新词。实验结果表明,词频TF筛选新词候选项的识别效果最好,F值为0.65。该方法能够自动产生专业领域的用户词典,具有较强的可移植性。 Using botany as a sample of professional fields, we explore the automatic identification of new words in specialized fields. In this study, “Flora of China” was selected as a sample set. Candidates of new words were extracted by N-Gram statistics based on the ICTCLAS cut-off words. Then the frequency of TFs, TFs and TFs / D) Sort new word candidates, taking a range of candidates as recognized new words. The experimental results show that the word TF filter new word candidate identification effect is best, F value is 0.65. The method can automatically generate user’s dictionary in professional field and has strong portability.
其他文献
基层公务员人才流失直接影响到我国基层党政人才队伍的综合素质。本文在分析基层公务员人才流失基本特征的基础上,阐述了人才流失形成的原因,研究探讨了吸引和留住人才的对策
1987年下半年,内蒙古自治区政办组织专家、学者随同全国政协考察组深入到我区大兴安岭林区,对林区的开发、生产、建设等情况进行了实地考察。现将考察报告的主要内容刊登如下
本文对四川省巴中县莲花山,从1954年开始,在调查研究和规划的基础上,根据造林地条件,提出马尾松栽培技术,取得明显成效。该经验对类似山区有借鉴参考价值。 Based on the in
本文总结了太行山区过去几十年林业生产的教训,把近几年的“生态经济沟”经验,应用到太行山南部低海拔岗坡地形区的开发治理中,提出了建设“生态经济岗”的设想及盘龙岗试点
自2004年8月以来,我们用立普妥加硝酸酯类治疗无症状性心肌缺血45例,取得较满意的疗效。无症状性心肌缺血患者常有冠状动脉粥样硬化,出现心肌缺血的心电图表现。立普妥具有
本工作用包括热晕、湍流和风等效应的等压近似下四维激光传输程序,数值计算了激光大气传输中的整束热畸变效应及其理想相位补偿,得到了各种情况下的激光大气传输畸变图象,并分析
在乔木家族的众多成员中,只有红叶香椿既能食用,又堪与世界驰名的“桃花心木”媲美。红椿木材红褐紫亮,纹理美观,香味浓郁,材质软硬适中,耐腐蚀,易加工,是制造乐器和高级家
诱导不孕奶牛泌乳的方法郁富慧(河南省黄泛区农场八分场,西华466600)奶牛不孕症在国内外奶牛业生产中普遍存在,我国奶牛不孕率占成年母牛的15%~20%,给畜牧业生产造成了很大的经济损失。为了减少
为提高人际情报网络构建、管理和维护的科学性和有效性,本文首先对知识自组织理论以及人际情报网络的本质进行了深入的分析;而后在此基础上,对人际情报网络自组织特性进行论
经 汕头 大 学医 学院 、 香港 大学 医 学院 联合 流 感研 究 中 心与 厦 门 大 学近 半年 时间 的 联合 研制 , 世 界 首个 禽 流 感 病毒 H 5N1快 速 诊断 试 剂 盒 近日 问世