主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
魏欧,吴健,孙玉芳.基于统计的汉语词性标注方法的分析与改进.软件学报,2000,11(4):473-480
基于统计的汉语词性标注方法的分析与改进
Analysis and Improvement of Statistics-Based Chinese Part-of-Speech Tagging
投稿时间:1998-11-23  修订日期:1999-04-21
DOI:
中文关键词:  词性标注,n元语法,语料,语法属性.
英文关键词:Part-of-Speech tagging, n-gram, corpus, grammatical attribute.
基金项目:本文研究得到国家“九五”重点科技攻关项目基金(Nos.96-B08-1-3,98-779-01-02)资助.
作者单位
魏欧 中国科学院软件研究所,北京,100080 
吴健 中国科学院软件研究所,北京,100080 
孙玉芳 中国科学院软件研究所,北京,100080 
摘要点击次数: 2992
全文下载次数: 3447
中文摘要:
      从词性概率矩阵与词汇概率矩阵的结构和数值变化等方面,对目前常用的基于统计的汉语词性标注方法中训练语料规模与标注正确率之间所存在的非线性关系作了分析.为了充分利用训练语料库,提高标注正确率,从利用词语相关的语法属性和加强对未知词的处理两个方面加以改进,提高了标注性能.封闭测试和开放测试的正确率分别达到96.5%和96%.
英文摘要:
      In this paper, a popular statistics-based training and tagging method for Chinese texts is studied, and the nonlinear relation between training set and tagging accuracy is analyzed from the aspects of the structure and numerical value of the matrix of transition probabilities and the matrix of symbol probabilities. In order to make use of training corpus sufficiently and get the higher tagging accuracy, the training and tagging method is improved from two aspects: using other grammatical attributes of words, and strengthening the processing of unknown words. With the improved method, open test and close test showed that the overall accuracies are about 96.5% and 96% respectively.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利