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
2020年专刊出版计划 微信服务介绍 最新一期:2019年第12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
宋彦,蔡东风,张桂平,赵海.一种基于字词联合解码的中文分词方法.软件学报,2009,20(9):2366-2375
一种基于字词联合解码的中文分词方法
Approach to Chinese Word Segmentation Based on Character-Word Joint Decoding
投稿时间:2008-09-12  修订日期:2009-03-05
DOI:
中文关键词:  中文分词  联合解码  语言模型  条件随机场模型
英文关键词:Chinese word segmentation  joint decoding  language model  conditional random field model
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60842005 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2006AA01Z148 (国家高技术研究发展计划(863)); the Key Project of the Ministry of Education of China under Grant. No.207148 (国家教育部科学技术研究重点项目)
作者单位
宋彦 沈阳航空工业学院 知识工程中心,辽宁 沈阳 110034 
蔡东风 沈阳航空工业学院 知识工程中心,辽宁 沈阳 110034 
张桂平 沈阳航空工业学院 知识工程中心,辽宁 沈阳 110034 
赵海 香港城市大学 中文、翻译及语言学系,香港 
摘要点击次数: 3937
全文下载次数: 4949
中文摘要:
      近年来基于字的方法极大地提高了中文分词的性能,借助于优秀的学习算法,由字构词逐渐成为中文分词的主要技术路线.然而,基于字的方法虽然在发现未登录词方面有其优势,却往往在针对表内词的切分效果方面不及基于词的方法,而且还损失了一些词与词之间的信息以及词本身的信息.在此基础上,提出了一种结合基于字的条件随机场模型与基于词的Bi-gram语言模型的切分策略,实现了字词联合解码的中文分词方法,较好地发挥了两个模型的长处,能够有效地改善单一模型的性能,并在SIGHAN Bakeoff3的评测集上得到了验证,充分说明了合理的字词结合方法将有效地提高分词系统的性能,可以更好地应用于中文信息处理的各个方面.
英文摘要:
      The performance of Chinese word segmentation has been greatly improved by character-based approaches in recent years. With the help of powerful machine learning strategies, the words extraction via combination of characters becomes the focus in Chinese word segmentation researches. In spite of the outstanding capability of discovering out-of-vocabulary words, the character-based approaches are not as good as word-based approaches in in-vocabulary words segmentation with some internal and external information of the words lost. In this paper we propose a joint decoding strategy that combines the character-based conditional random field model and word-based Bi-gram language model, for segmenting Chinese character sequences. The experimental results demonstrate the good performance of our approach, and prove that two sub models are well integrated as the joint model of character and word could more effectively enhance the performance of Chinese word segmentation systems than any of the single model, thus is fit for many applications in Chinese information processing.
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