基于语料库的高频最大交集型歧义字段考察

• 作者: 徐艳华 方芳 李斌 陈小荷
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 计算机应用 中文信息处理 最大交集型歧义字段 全切分 强势切分
• 年，卷（期）: 2006,（1）
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP391
• 字数: 4095字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2006.01.001

摘要

交集型歧义是中文分词的一大难题,构建大规模高频最大交集型歧义字段(MOAS)的数据库,对于掌握其分布状况和自动消歧都具有重要意义.本文首先通过实验指出,与FBMM相比,全切分才能检测出数量完整、严格定义的MOAS,检测出的MOAS在数量上也与词典规模基本成正比.然后,在4亿字人民日报语料中采集出高频MOAS14906条,并随机抽取了1354270条带有上下文信息的实例进行人工判定.数据分析表明,约70%的真歧义MOAS存在着强势切分现象,并给出了相应的消歧策略.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈小荷	南京师范大学文学院	58	503	13.0	19.0
2	李斌	南京师范大学文学院	39	351	10.0	18.0
3	方芳	南京师范大学文学院	17	102	7.0	9.0
4	徐艳华	南京师范大学文学院	4	28	2.0	4.0