基于词聚类特征的统计中文组块分析模型

• 作者: 关毅 刘秉权 孙广路 王晓龙
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 词聚类 信息熵 中文组块分析 句法功能
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 科研通信
• 页码范围: 2450-2453,2399
• 页数: 5页
• 分类号: TP391.2
• 字数: 4587字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2008.12.033

摘要

提出了一种基于信息熵的层次词聚类算法,并将该算法产生的词簇作为特征应用到中文组块分析模型中.词聚类算法基于信息熵的理论,利用中文组块语料库中的词及其组块标记作为基本信息,采用二元层次聚类的方法形成具有一定句法功能的词簇.在聚类过程中,设计了优化算法节省聚类时间.用词簇特征代替传统的词性特征应用到组块分析模型中,并引入名实体和仿词识别模块,在此基础上构建了基于最大熵马尔科夫模型的中文组块分析系统.实验表明,本文的算法提升了聚类效率,产生的词簇特征有效地改进了中文组块分析系统的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关毅	哈尔滨工业大学计算机科学与技术学院	56	1214	16.0	33.0
2	王晓龙	哈尔滨工业大学计算机科学与技术学院	85	1755	24.0	38.0
3	刘秉权	哈尔滨工业大学计算机科学与技术学院	54	671	14.0	24.0
4	孙广路	哈尔滨工业大学计算机科学与技术学院	27	99	6.0	8.0