基于文本流的中文新词识别技术研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 基于规则的方法 | 第12-13页 |
| 1.2.2 基于统计的方法 | 第13-14页 |
| 1.2.3 基于规则与统计相结合的方法 | 第14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-18页 |
| 第二章 相关理论和技术 | 第18-26页 |
| 2.1 新词的定义与特征 | 第18-20页 |
| 2.1.1 新词的定义 | 第18页 |
| 2.1.2 新词产生途径 | 第18-19页 |
| 2.1.3 新词词频特征 | 第19-20页 |
| 2.2 统计语言模型概述 | 第20-21页 |
| 2.3 信息论基础 | 第21-23页 |
| 2.3.1 随机变量 | 第21页 |
| 2.3.2 熵、条件熵、联合熵 | 第21-22页 |
| 2.3.3 互信息 | 第22-23页 |
| 2.4 新词模式分析 | 第23-25页 |
| 2.4.1 单字串模式 | 第24页 |
| 2.4.2 后缀模式 | 第24-25页 |
| 2.4.3 其他模式 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于文本流新词识别研究 | 第26-46页 |
| 3.1 本文相关定义 | 第26-28页 |
| 3.1.1 预处理 | 第26页 |
| 3.1.2 切分字串 | 第26-27页 |
| 3.1.3 最长单字连续串 | 第27页 |
| 3.1.4 最长单字连续串子串 | 第27-28页 |
| 3.2 生成垃圾串字典 | 第28页 |
| 3.3 建立上下文模型 | 第28-33页 |
| 3.4 基于单字串模式新词识别 | 第33-41页 |
| 3.4.1 最大平均互信息 | 第33-36页 |
| 3.4.2 停用字过滤 | 第36-37页 |
| 3.4.3 最小邻接熵 | 第37-40页 |
| 3.4.4 极大值方法 | 第40-41页 |
| 3.5 基于后缀模式识别新词 | 第41-43页 |
| 3.5.1 阈值法识别 | 第41-42页 |
| 3.5.2 归纳法识别 | 第42-43页 |
| 3.6 传统新词跟踪 | 第43-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 基于文本流新词识别系统的设计与实现 | 第46-58页 |
| 4.1 系统设计概述 | 第46-47页 |
| 4.2 系统具体设计 | 第47-54页 |
| 4.2.1 语料获取模块 | 第47-51页 |
| 4.2.1.1 网络爬虫设计 | 第47-49页 |
| 4.2.1.2 文本流的构建 | 第49-51页 |
| 4.2.2 预处理模块 | 第51-52页 |
| 4.2.3 上下文信息收集模块 | 第52页 |
| 4.2.4 传统新词识别模块 | 第52-54页 |
| 4.3 系统展示 | 第54页 |
| 4.4 系统运行 | 第54-56页 |
| 4.4.1 语料获取模块的运行效果 | 第54-55页 |
| 4.4.2 预处理模块的运行效果 | 第55页 |
| 4.4.3 新词识别模块的运行效果 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 实验结果与分析 | 第58-66页 |
| 5.1 性能指标 | 第58-59页 |
| 5.2 新词识别的实验结果与分析 | 第59-64页 |
| 5.2.1 基于单字串模式 | 第59-63页 |
| 5.2.2 基于后缀模式 | 第63页 |
| 5.2.2.1 阈值法识别 | 第63页 |
| 5.2.2.2 归纳法识别 | 第63页 |
| 5.2.2.3 错误分析 | 第63页 |
| 5.2.3 传统新词追踪 | 第63-64页 |
| 5.3 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文的工作总结 | 第66页 |
| 6.2 未来的工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表或录用的学术论文 | 第74页 |
