中文变体词的识别与规范化综述

• 作者: 梁棋 沙灜 王斌
• 来源期刊: 信息安全学报
• 关键词: 社交网络 变体词识别 变体词规范化 深度学习 神经网络 表示学习
• 年，卷（期）: 2016,（3）
• 页码范围: 77-87
• 页数: 11页
• 字数: 12413字
• 语种: 中文
• DOI: 10.19363/j.cnki.cn10-1380/tn.2016.03.006

摘要

网络书写具有随意性、非正规性等特点。变体词就是网络语言作为一种不规范语言的显著特色，人们往往出于避免审查、表达情感、讽刺、娱乐等需求将相对严肃、规范、敏感的词用相对不规范、不敏感的词来代替，用来代替原来词的新词就叫做变体词(Morph)。变体词和其对应的原来的词(目标实体词)会分别在非规范文本和规范文本中共存，甚至变体词会渗透到规范文本中。变体词使行文更加生动活泼，相关事件、消息也传播得更加广泛。但是因为变体词通常是某种隐喻，已不再是其表面字词的意义了，从而使网络上文体与正式文本(如新闻等)具有巨大的差异。由此如何识别出这些变体词及其所对应的目标实体词对于下游的自然语言处理技术具有重要的意义。本文首先介绍了变体词的定义和特征，变体词的生成规律，总结了当前变体词的识别和规范化的主要技术进展和成果，最后是此领域发展方向的展望。