多语料库中汉语四字格的切分和识别研究

• 作者: 徐润华 曲维光 王东波 陈小荷
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 四字格 分词语料库 切分不一致 CRF模型
• 年，卷（期）: 2013,（5）
• 页码范围: 15-21,42
• 页数: 8页
• 分类号: TP391
• 字数: 6211字
• 语种: 中文

摘要

汉语四字格的能产性和派生性极强,利用四字格模式创造出的新词数量在现代汉语词汇中一直呈上升趋势.该文将研究的目光投向分词语料库中的四字格,对语料库中的四字格进行了系统的分类和归纳,并对语料库内部和语料库之间的四字格切分不一致现象进行了详细的调查统计.最后,针对四字格的切分不一致数据引入条件随机场(CRF)模型,对多语料库中的汉语四字格进行识别实验,封闭测试和开放测试的识别精度均达到93％以上.

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	曲维光	南京师范大学计算机科学与技术学院	52	547	14.0	21.0
3	徐润华	金陵科技学院人文学院	8	9	2.0	3.0
4	王东波	南京农业大学信息科学技术学院	75	216	8.0	11.0