• “龙舟水”今起送清凉 安徽局地降雨量或达150毫米 2019-10-13
  • 游江:游江闲画——猫的心事 2019-10-04
  • 港大发现疾病研究新平台 2019-10-04
  • 兰州大雨!消防出动疏散被困群众  一名孕妇被救出 2019-10-03
  • 羊肉-热门标签-华商生活 2019-09-25
  • 合肥市公立医疗机构1271种医疗服务价格公示 部分服务涨价 2019-09-24
  • 省十五运青少年举重赛收官 长阳体校保持传统强势 2019-09-17
  • 西安外事学院在省茶艺大赛中创多项佳绩西安外事学院-陕西教育新闻 2019-09-17
  • 震惊!2岁宝宝意外瘫痪,竟然是因为妈妈拍了这个地方! 2019-09-15
  • 石家庄:把中山路打造成省会第一繁华商业大道 2019-09-03
  • 【网络中国节】夏县交警:端午忙宣传 节日不松懈 2019-09-03
  • 中船重工总经理孙波涉嫌严重违纪违法被查 2019-09-02
  • 动漫微视频:春天里的叮嘱与承诺 2019-09-02
  • 高考表情:考前一刻不放松【高清组图】【6】 2019-08-28
  • 第四届世界互联网大会成果丰硕圆满落幕 130多亿元互联网项目签约 2019-08-28
  • 最快开奖尽在米老鼠中特网:香港内部资料三中三

    基于互信息和邻接熵的新词发现算法

    New word discovery algorithm based on mutual information and branch entropy

    免费全文下载 (已被下载 次)  
    获取PDF全文
    作者 刘伟童,刘培玉,刘文锋,李娜娜
    机构 1.山东师范大学 信息科学与工程学院,济南 250358;2.山东省分布式计算机软件新技术重点实验室,济南 250358;3.菏泽学院 计算机学院,山东 菏泽 274015
    统计 摘要被查看 次,已被下载
    文章编号 1001-3695(2019)05-003-1293-04
    DOI 10.19734/j.issn.1001-3695.2017.11.0745
    摘要 如何快速高效地识别新词是自然语言处理中一项非常重要的任务。针对当前新词发现存在的问题,提出了一种从左至右逐字在未切词的微博语料中发现新词的算法。通过计算候选词语与其右邻接字的互信息来逐字扩展,得到候选新词;并通过计算邻接熵、删除候选新词的首尾停用词和过滤旧词语等方法来过滤候选新词,最终得到新词集。解决了因切词错误导致部分新词无法识别以及通过n-gram方法导致大量重复词串和垃圾词串识别为新词的问题。最后通过实验验证了该算法的有效性。
    关键词 新词发现; 互信息; 邻接熵; 微博语料
    基金项目 国家自然科学基金资助项目(61373148,61502151)
    山东省社科规划项目(17CHLJ18,17CHLJ33,17CHLJ30)
    山东省自然科学基金资助项目(ZR2014FL010)
    山东省教育厅基金资助项目(J15LN34)
    本文URL //www.eoqksu.shop/article/01-2019-05-003.html
    英文标题 New word discovery algorithm based on mutual information and branch entropy
    作者英文名 Liu Weitong, Liu Peiyu, Liu Wenfeng, Li Nana
    机构英文名 1.School of Information Science & Engineering,Shandong Normal University,Jinan 250358,China;2.Shandong Provincial Key Laboratory for Distributed Computer Software Novel Technology,Jinan 250358,China;3.School of Computer Science,Heze University,Heze Shandong 274015,China
    英文摘要 How to identify new words quickly and efficiently is a very important task in natural language processing. Aiming at the problems existing in the discovery of new words, this paper proposed an algorithm for word-finding new words verbatim from left to right in the uncut word Weibo corpus. One way to get a candidate new word was by computing the candidate word and its right adjacent word mutual information to expand word by word; there were some ways to filter candidate new words to get new word sets. It included methods included calculating the branch entropy, deleting stop words contained in the first or last word of each candidate new word and deleting old words included in the candidate new word set. It solved the problem that some new words could not be recognized due to the mistakes in the word segmentation and it also solved the problem that the large number of repetitive word strings and rubbish words strings generated by the n-gram method were identified as new words. Finally, experiments verify the effectiveness of the algorithm.
    英文关键词 new word discovery; mutual information; branch entropy; microblog corpus
    参考文献 查看稿件参考文献
     
    收稿日期 2017/11/20
    修回日期 2018/1/10
    页码 1293-1296
    中图分类号 TP301.6
    文献标志码 A
  • “龙舟水”今起送清凉 安徽局地降雨量或达150毫米 2019-10-13
  • 游江:游江闲画——猫的心事 2019-10-04
  • 港大发现疾病研究新平台 2019-10-04
  • 兰州大雨!消防出动疏散被困群众  一名孕妇被救出 2019-10-03
  • 羊肉-热门标签-华商生活 2019-09-25
  • 合肥市公立医疗机构1271种医疗服务价格公示 部分服务涨价 2019-09-24
  • 省十五运青少年举重赛收官 长阳体校保持传统强势 2019-09-17
  • 西安外事学院在省茶艺大赛中创多项佳绩西安外事学院-陕西教育新闻 2019-09-17
  • 震惊!2岁宝宝意外瘫痪,竟然是因为妈妈拍了这个地方! 2019-09-15
  • 石家庄:把中山路打造成省会第一繁华商业大道 2019-09-03
  • 【网络中国节】夏县交警:端午忙宣传 节日不松懈 2019-09-03
  • 中船重工总经理孙波涉嫌严重违纪违法被查 2019-09-02
  • 动漫微视频:春天里的叮嘱与承诺 2019-09-02
  • 高考表情:考前一刻不放松【高清组图】【6】 2019-08-28
  • 第四届世界互联网大会成果丰硕圆满落幕 130多亿元互联网项目签约 2019-08-28
  • 买股票有稳赚不赔的方法吗 三肖六码板论坛 重庆时时到底怎样 黑客为什么不入侵棋牌APP pk10历史开奖结果查询 体彩体验券怎么用 11选5任选八稳赚投注技巧 足彩全部买平 2串一稳赚不赔 pk10长期稳赚的方法 重庆时彩稳赚计算方法 七星彩49组码稳赚数据 黑马计划软件手机版 七星彩内部透露 吉林时时票助手 极速快三倍投稳赚方案 黄金董孤胆码计划软件