基于排序集成的哈萨克语固定短语抽取

作     者：桑海岩 古丽拉·阿东别克 孙瑞娜 陈莉 

作者机构：新疆大学信息科学与工程学院乌鲁木齐830046 国家语言资源监测与研究中心少数民族语言中心哈萨克和柯尔克孜语文基地乌鲁木齐830046 新疆财经大学统计信息学院乌鲁木齐830046 

基　　金：国家自然科学基金(No.61063025) 新疆多语种信息技术重点实验室开放项目(No.049807) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2014年第50卷第21期

页      码：205-209,223页

摘      要：短语抽取是文本自动分类、主题提取及专利检索分析等文本信息理解等工作中都要应用到的一项关键技术。固定短语抽取作为短语研究的一部分,对短语标注、辞典编撰等自然语言处理任务都具有重要的现实意义。哈萨克语是黏着语,词形变化丰富,这些特点给哈语固定短语的抽取带来了一定的困难。提出一个总体的固定短语抽取算法,把固定短语抽取看作一个排序问题,使用C-value、互信息和log-likelihood进行抽取排序,并设计了一个新的排序集成方法对抽取的结果进行集成。实验分析结果表明,与单独的抽取算法比较,该算法达到了更高的准确率。

主 题 词：自然语言处理 固定短语 排序集成 互信息 似然比 C-value算法 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.1211-0373

馆 藏 号：203104334...