汉语语料库词性标注自动校对方法研究

从聚类和分类的角度入手,对大规模语料库中的词性标注的自动校对问题作了分析,提出了语料库词性标注正确性检查和自动校对的新方法。该方法利用聚类和分类的思想,对范例进行聚类并求出阈值,根据阈值,判定词性标注的正误;对标注错误的词性,按靠近各词性类别重心的原则归类,给出一个校对词性,进而提高汉语语料库词性标注的准确率。     

分词评价系统实现

给出了一种实用的语料库分词评价系统的实现方法。该方法采用迭代自组织算法对传统抽样样本进行聚类 ,给出了系统的总体流程图和迭代自组织算法步骤。实验表明该方法具有较高的使用价值     

二字词词义组合推理方法的研究

汉字是表义文字,具有丰富的语义内容,汉字是一个有限的封闭集,它的数目是有限的,而汉语的词是一个开放系统,它是无限的。本文以“字义基元化、词义组合化”为基本思想,从字义着手,研究二字词词义组合。首先以经过整理的《现代汉语规范字典》、《现代汉语词典》和《同义词词林》为资源,从中自动搜索、抽取出二字词词义组合,建立汉字字义、词义知识库,然后再采用《同义词词林》的语义体系,通过语义相关度等的计算确定它们的组合类型,为研究二字词词义的组合提供一定的参考价值。     

自动分词软件质量的评价模型

汉语自动分词是中文信息处理的基础性工作。近年来, 我国已研制了十多种自动分词软件, 但尚无评价此类软件的模型和方法。本文针对分词软件的特点, 提出了自动分词软件质量的评价准则, 并对这类软件质量的两个重妥特性令词正确率和切分速度给出了定量的度量方法。     

BM串匹配算法的一个改进算法

在BM算法的基础上，本文提出了改进的算-IMBM算法。该算法有以下重要特点：（1）有效地减少了字符重复比较与样本的移动次数，提高了算法的匹配效率；（2）在串的匹 配问题中有较广泛的用途。