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

低杂波电流驱动的密度极限和驱动效率分析 2页

会计信息系统的国际化与网络化探索 2页

煤炭销售合同样本 6页

烟叶供应链合作协议合同 7页

渔业养殖承包合同专业版 5页

从生产发展中认识科学技术是第一生产力 2页

深圳商业装修合同样本 7页

涉外劳务合作合同范本 6页

人工湿地对病原微生物去除的研究进展 2页

产权理论视角下的公允价值计量模式研究 2页

沿街商铺租赁合同:门面使用权规定 6页

五氧化二钒作合金剂冶炼高速钢的试验研究 2页

汽车维修合作合同典型案例 7页

二甲戊灵在大葱中的残留分析与消解动态 2页

事业单位收支统筹会计存在的问题与对策 2页

乙醇浓缩和回收的萃取剂及萃取精馏工艺 2页

水产品购销合同范本 5页

中长期预报区内地震烈度的评估方法 2页

中小企业文化建设现状分析及问题对策 2页

正式合同范本:销售与转让协议规定 6页

中国省际劳动力流动的主要影响因素分析 2页

中国城市化与物业管理可持续发展探究 2页

中变煮沸器不锈钢列管腐蚀机理研究项目通过技.. 2页

两型社会建设中长株潭区域工业旅游发展策略研.. 2页

丙烯一塔式净化脱硫工艺的设计及工业应用 2页

不同角度激光打靶下的光谱结构研究 2页

上海电信大楼外筒墙体运用爬模工艺的施工实践.. 2页

2025年幼儿园教师承诺书模板 9页

2025年幼儿园教师家访心得体会 16页

三氯乙醛对土壤-植物系统的污染研究 2页