汉字种子混淆集的构建方法研究

• 作者: 刘亮亮 张再跃 施恒利 曹存根 王石 符建辉
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 错别字混淆集 自扩展 开源数据 基于规则和统计
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 229-232,253
• 页数: 5页
• 分类号: TP311
• 字数: 6937字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2014.08.049

摘要

汉字混淆集是错别字识别中的重要资源之一.在本项研究中,首先手工整理了11935个汉字的可能的错别字,然后以这些汉字为节点、“可错成”关系为边,将混淆集构造成一个错别字混淆集图.由于人工总结错别字具有很大的局限性,因此在种子错别字混淆集图的基础上,设计了自扩展算法和开源外部补充算法来对错别字混淆集图进行扩展,以发现新的错别字对.根据实验,新发现了15133组错别字对.经过随机抽样校对,准确率达到87.35％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹存根	中国科学院计算技术研究所	91	991	17.0	27.0
2	王石	中国科学院计算技术研究所	23	178	7.0	12.0
3	张再跃	江苏科技大学计算机科学与工程学院	40	154	7.0	11.0
4	刘亮亮	江苏科技大学计算机科学与工程学院	17	142	6.0	11.0
8	符建辉	中国科学院计算技术研究所	10	74	5.0	8.0
9	施恒利	江苏科技大学计算机科学与工程学院	3	15	2.0	3.0