中文自動分詞若干技術的研究.pdf

1、近年來，隨著國民經濟信息化的不斷發(fā)展以及Internet的普及，中文信息處理技術的應用日益廣泛。由于中文文本是按句連寫的，詞間無間隙，因而中文信息處理的首要問題是詞的切分問題。中文文本自動分詞已成為中文信息處理的一個前沿課題。 本課題對中文自動分詞方法、歧義字段的計算機自動識別、命名實體的計算機自動識別、中文自動分詞詞典機制等技術進行了分析和研究。針對某些技術上的不足，提出了改進方案。本論文的主要工作有： (1)歧義字段

2、的計算機自動識別對歧義字段產生的原因進行了研究，給出了交集型歧義字段和組合型歧義字段的計算機自動識別方法。 (2)命名實體的計算機自動識別分析了中文姓名中姓和名的各自特點，給出了中文姓名的自動識別方法；對中文地名的計算機自動識別給出了利用知識庫和規(guī)則庫，采用推理機制進行計算機自動識別的方法；對機構名稱的計算機自動識別技術以高校名稱為例，從其語法性質、語義特性和組織規(guī)律等特征入手，給出了高校名稱識別的基本規(guī)則。 (3)中文