马来语领域多词组无监督识别

• 作者: 刘伍颖 王琳
• 来源期刊: 中国科学技术大学学报
• 学科: 工学
• 关键词: 无监督识别 多词组 领域词典 自然标注 马来语
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 517-523
• 页数: 7页
• 分类号: TP391.1
• 字数: 4718字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-2778.2019.07.001

摘要

多词组是一种优化的语言复用粒度.,由于一些非通用语言的多词组与词之间缺乏显式形态边界,导致多词组自动识别困难.针对马来语领域多词组识别问题,提出一种基于自然标注的无监督抽取与聚类算法.算法首先采用空格符二值分类实现变长马来语多词组抽取;然后将文档级的自然类别标注迁移到多词组级类别聚类;最后过滤掉通用多词组,萃取多个领域多词组数据集.在272783马来语文本文档数据集上的实验结果表明,提出的算法不但能够精准地抽取多词组,而且能够高效地实现多词组领域词典聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘伍颖	广东外语外贸大学语言工程与计算实验室	12	5	1.0	1.0
2	王琳	上海外国语大学贤达经济人文学院	9	2	1.0	1.0