基于概率统计技术和规则方法的新词发现

• 作者: 史忠植 贾自艳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 新词发现 短语抽取 二元语法 语料库
• 年，卷（期）: 2004,（20）
• 所属期刊栏目: 博士论文
• 页码范围: 19-21,83
• 页数: 4页
• 分类号: TP311
• 字数: 5014字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2004.20.009

摘要

新词/短语的识别是自然语言处理、信息检索和机器翻译等领域的一项基础研究.该文分析了已有短语抽取技术,并结合汉语特点,提出了基于概率统计技术和规则方法相结合的概念抽取方法.该方法包括高效的"二元语法"统计模型、统计算法、统计选词策略、丰富的规则知识和规则过滤算法.实验证明该方法适用于从大规模语料库中自动高效地发现新词/短语.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史忠植	中国科学院计算技术研究所	232	9166	52.0	89.0
2	贾自艳	中国科学院计算技术研究所	5	189	4.0	5.0