【摘 要】
:
由于新词的不断涌现,一个信息处理用的词表,不管规模多大,都不可能囊括所有的词,总会有一些词不能被收录。要考察、分析并处理这些没有被收录的未登录词,是有一定的困难的。
论文部分内容阅读
由于新词的不断涌现,一个信息处理用的词表,不管规模多大,都不可能囊括所有的词,总会有一些词不能被收录。要考察、分析并处理这些没有被收录的未登录词,是有一定的困难的。但是,如果我们穷尽了所有的构词模式,就可以将属于同一构词模式的未登录词与已登录词联系起来。新词虽然在数量上是无穷的,但构成新词的词素也是有限的,这样我们就可以利用已有的信息来识别和理解未登录词,并据此得出未登录词的词法结构和语义类信息。本文对教育部公布的现代汉语常用词表(电子版)中近四万双音节词的构词方式和语义类别逐一进行了标注,统计并分析词素的素性、语义以及频率信息对整词的构词模式和词性的影响,以此为基础构建一部适合从语法和语义两个方面分析汉语的词汇知识库——《词法语义信息词典》。作者试图从大规模词语的内部结构着手,找到一个字串之所以为“词”的理由,为未登录词的识别和理解提供依据。在实验过程中,我们发现,大部分词法结构构成的合成词的词性比较集中,例如定中式、述补式、述宾式、附加式、状中式以及量补式,同时,还有一部分词法结构构成的合成词的词性比较分散,例如重叠式、联合式、主谓式。各词法结构形成的合成词与词性之间没有必然的关系,但我们可加入词语的构词模式,帮助结构的判断,并结合最大概率法大致确定词法结构信息。语义类识别方面,我们采用词表驱动,参考同义词语义类信息投票,将获得票数最高的语义类视为待查词的语义类,也有较高的正确率
其他文献
<正>北京千禧大酒店——千禧国敦酒店集团(M&C)旗下最新的超豪华五星级品牌旗舰店于2008年4月10日开业。拥有521间客房的北京千禧大酒店位于东三环中路,著名的中央商务区(CBD
救亡和启蒙使晚清民国掀起对外翻译高潮。西方的自然科学、社会科学和文学艺术被大量翻译成中文,随着西学翻译的扩大和翻译群体的增多,译文的规范性和质量也出现了诸多问题。
随着时代的发展,计算机网络技术迅速发展起来,成为当今社会不可分割的一部分。的确,计算机网络服务已经渗透到企业的经济生产活动以及人们的日常生活中去,潜移默化地影响着经
<正>或许很多人不知道,在iPhone4上市之初,很多用户抱怨如果握着手机侧面通话,信号强度就会变弱。对此,乔布斯曾建议:"要使用保护套。"虽然这可能是"乔帮主"的一个玩笑,但我
<正>2008年~2010年在我院收治的周围性面瘫患者105例,均符合周围性面瘫的诊断标准[1],且初次得病,按有无糖尿病分为观察组和对照组。①糖尿病组(A组)35例,男19例,女16例;年龄3
中学美育教育是一种普及教育,从狭义讲,美育教育就是艺术教育。中学艺术课教学一定要选择具有较高审美价值和思想价值的优秀艺术作品,才能使学生树立正确的审美观念。
污泥干化、余热回收及补充热源系统是污泥干化生产线中的核心部分,包括桨叶干燥机分气缸、换热器、空气余热器等设备。本系统电控部分设计以西门子S7-400系列为核心控制器,采
目的:探讨SO_2残留和藁本内酯含硫衍生物含量作为硫熏当归配方颗粒安全性检控指标的可行性。方法:采用2015年版《中国药典》(四部)通则2331测定SO_2残留量,采用HPLC-MS/MS半
魏晋时期是中国汉语史上极其重要的过渡时期,判断句逐渐发展成熟,对魏晋时期的判断句进行系统的研究,有助于加深对判断句演变历程的理解与认识。王羲之杂贴中浓厚的口语化色彩反