1 / 93
文档名称:

清华大学.pdf

格式:pdf   页数:93页
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

清华大学.pdf

上传人:1793540367 2016/6/25 文件大小:0 KB

下载得到文件列表

清华大学.pdf

文档介绍

文档介绍:清华大学综合论文训练题目:基于用户查询日志和锚文字的汉语缩略语识别系别:计算机科学与技术系专业:计算机科学与技术专业姓名:谢丽星指导教师:孙茂松教授 2009年6 月25日关于学位论文使用授权的说明本人完全了解清华大学有关保留、使用学位论文的规定,即:学校有权保留学位论文的复印件,允许该论文被查阅和借阅;学校可以公布该论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存该论文。(涉密的学位论文在解密后应遵守此规定) 签名: 导师签名: 日期: I 中文摘要缩略语是自然语言的现象之一,是中文信息处理领域的重要研究课题。目前关于缩略语识别的研究中,有的是采用缩略语、源短语的平行语料库,有的是采用人工分词和词性标注的语料库,这些语料库可时效性欠佳,规模较小,在提取过程中有时还需要人工干预。为解决这些问题,本文从另一个角度,采用基于查询词和url的用户查询日志(querylog)和锚文字文件(anchor text)的大规模语料库, 在确保时效性的基础上,运用“同网站同目录主题相关性”(即对应的url指向同一网站同一目录的查询词可能较为相关)的思想进行初步的缩略语、源短语对的抽取,然后采用一系列过滤规则,结合分词按照缩略语的形成方式进行分类,最后调用搜索引擎采用多策略来找出缩略语、源短语对。相比前人研究,我们的实验在规模和准确率上都有提升,%,%。关键词:用户查询日志;锚文字;缩略语的分类;搜索引擎 II ABSTRACT Abbreviation, mon phenomenon in natural language, has drawn a large body of research interest in the natural language processing community. Recent studies usually utilize parallel corpus of abbreviation and root forms, of which the methods used are behind the times and require part-of-speechinformation or even manual intervention. In this paper, we propose a novel method introducing query log and anchor text to gain a new vision of these problems. First, a heuristic algorithmis applied to extract abbreviation-root pairs. Second, we use filtering rules concluded from actual observations and Chinese word segmentation techniques to classify the suspect pairs into candidate patterns. Finally, search engine is adopted to further validate the abbreviation-root pairs using multi-strategy pared to previous studies, our experience showed improvements on scale and precision, with a result of % in query log and % in anchor text. Keywords:query log; anchor text;classification of abbreviation; search engine III 目录第1章引言............................................................................................5 ...........................................................................................5 ..............

最近更新

2025年建议书最全范文素材保护海洋系列 7页

2025年度科技孵化器门面房租赁合同电子版(含.. 8页

2025年建筑施工年末工作总结范本 26页

2025年度科技公司签约网红主播内容合作合同 8页

2025年建筑工程技术实习报告总结 138页

2025年建筑工程年度汇报总结五篇 15页

2025年度社区环境卫生承包合同责任与执行标准.. 9页

2025年度矿山承包经营与安全生产责任保险合同.. 8页

2025年度电气安装资质挂靠共享协议 8页

2025年度电子商务平台交易保障合同履约金缴纳.. 8页

2025年度电子合同范文:医疗健康大数据分析与.. 9页

2025年度电子信息产品集成采购合同协议书 8页

2025年度电子产品店中店品牌销售代理合同 9页

版工程项目合同履约担保书 6页

2025年度生猪养殖与饲料原料供应合同 9页

2025年度生物科技研发员工劳务合作协议 9页

2025年地震自救互救实用指南与速成教学 33页

2025年度生物医药研发厂房租赁合同 8页

2025年度生物制药技术专利许可合同 8页

2025年呼出气体一氧化氮检测在临床的应用 49页

版供热工程建设项目合同模板 5页

2025年医药物流运营模式深度解析 35页

2025年刘爱清母乳喂养全方位护理指南 55页

2025年全科医疗中蒋静涵医患沟通艺术解析 97页

2025年儿童压岁钱理财攻略与保险规划 22页

2025年度生态养殖场地租赁协议书版 8页

2025年度甜品店使用权及配方转让合同 8页

库迪咖啡品牌合作协议 5页

(完整版)小学生必背古诗词80首 2页

计算机专业毕业论文3000字 6页