一种新词自动提取方法＊

• 作者: 李亚松 王玉龙
• 来源期刊: 电信工程技术与标准化
• 学科: 工学
• 关键词: 新词提取 支持度 置信度 离散度 GINI指数
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 开发与研究
• 页码范围: 83-86
• 页数: 4页
• 分类号: TN915
• 字数: 3511字
• 语种: 中文

摘要

当前网络语料会不断出现大量新词已经成为一种普遍的趋势，这里面包含大量网友创造的新词，以及一些社会热点形成的新词。同时社交网络产生的社交性语料存在大量口语化、简称和随意的表达。这些都对中文分词的准确性造成了困扰。本文提出了一种新词自动提取方法，旨在能准确快速地在特定的语料里提取新词，生成特定领域词典，更准确地对网络语料进行中文分词。通过从语料中提取候选词，计算候选词的支持度和置信度，通过阈值刷选出新词，从而实现从海量文本中准确且快速的提取新词。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玉龙	北京邮电大学网络与交换技术国家重点实验室	21	92	7.0	8.0
5	李亚松	北京邮电大学网络与交换技术国家重点实验室	1	1	1.0	1.0