现代汉语数字缩略语自动提取研究

论文摘要

缩略语研究不仅是语言学的研究领域,也是自然语言处理的一个重要课题。现代汉语缩略语自动提取研究,是未登录词识别的一部分。在目前现代汉语缩略语词典资源缺乏的现状下,对现代汉语缩略语的自动提取研究,从而建立现代汉语缩略语的数据库,不仅是中文自动分词的需要,对信息检索、机器翻译、自动分类、自动文摘,句法分析的性能指标都有重要的影响。论文选择了缩略语范围的数字缩略语的提取作为研究领域。现代汉语数字缩略语的提取研究就是从大规模的真实文本中识别并提取出汉语数字缩略语的过程。论文首先以缩略语词典为基础建立现代汉语数字缩略语词库,通过对词库里的现代汉语数字缩略语的内部结构特征总结归纳出初步的识别规则；其次建立总体约128万字的封闭和开放测试语料库,使用不同的分词系统对测试语料进行分词和词性标注,并手工标注数字缩略语。之后对比初始标注的结果与手工标注的正确答案,在错误驱动的基础上,获取一批转换规则；从而补充修改之前的规则。最后给出了汉语数字缩略语提取的封闭测试和开放测试结果及分析。实验证明,运用此方法对现代汉语数字缩略语进行提取研究,召回率和准确率都取得了较好的效果。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究目的及意义
• 1.2 现代汉语数字缩略语的界定
• 1.2.1 语言学领域中对数字缩略语的界定
• 1.2.2 中文信息处理领域对数字缩略语的界定
• 1.3 现代汉语数字缩略语提取及未登录词识别的研究现状
• 1.3.1 现代汉语数字缩略语提取的研究现状
• 1.3.2 未登录词识别的研究现状
• 1.3.3 缩略语的识别、提取与还原
• 1.3.4 提取方法分析
• 1.4 本文的研究内容
• 第2章 现代汉语数字缩略语的相关语言学研究
• 2.1 数字缩略语的入典及存在的问题
• 2.2 数字缩略语的规范
• 2.2.1 数字缩略语的产生阶段
• 2.2.2 数字缩略语的使用阶段
• 2.2.3 数字缩略语的定型阶段
• 2.3 数字缩略语的词化问题
• 2.3.1 数字缩略语的词化的条件
• 2.3.2 数字缩略语词化的标准问题
• 2.3.3 第五版《现代汉语词典》中的数字缩略语
• 第3章 现代汉语数字缩略语的特征
• 3.1 数字缩略语特征形成的方式
• 3.2 数字缩略语的形式特征
• 3.3 数字缩略语的结构特征
• 第4章 数字缩略语的提取分析及提取系统
• 4.1 现代汉语数字缩略语的提取分析
• 4.1.1 数字缩略语存在和使用情况的考察
• 4.1.2 数字缩略语的提取分析
• 4.2 数字缩略语提取系统
• 4.2.1 数字缩略语提取系统的构成
• 4.2.2 工作流程
• 4.2.3 数字缩略语提取系统的实现
• 4.3 实验结果与分析
• 4.3.1 实验结果
• 4.3.2 实验分析
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 附录
• 攻读硕士学位期间发表论文情况
• 致谢