中文信息處理中若干關鍵技術的研究.pdf

1、隨著科學技術的高速發(fā)展,以及各種資源數(shù)量的不斷增多,為了提高效率,信息處理已經(jīng)成為當前最重要的研究內(nèi)容,其中涉及到切詞和屬性選擇、信息抽取、自然語言理解、自動聚類和分類、自動摘要、自動標引和主題識別、信息結構分析、文本生成以及信息檢索等等.其中,屬性選擇是一項較為重要的基礎性研究工作,為其它的研究提供基礎和前提.而其它研究工作可以有效地、而且較為準確地抽取出有用信息、挖掘出新的知識,提高獲取大量有用信息的效率和速度.針對當前對信息處理的

2、需求,該文對中文信息處理中的若干關鍵技術進行了研究.該文的主要研究內(nèi)容和貢獻如下:1.改進了N-gram切詞算法和基于概率統(tǒng)計的屬性選擇算法.在信息處理研究領域,迄今為止,已提出了多種屬性選擇算法.2.改進了詞語間依存關系的定量識別策略.該文擴展和改進了現(xiàn)有的基于統(tǒng)計的詞語間依存關系定量識別算法,力圖解決現(xiàn)有算法中存在的有待改進的不足之處,提高識別的準確率,從而提高信息處理和自然語言處理等的時空效率和性能.3.該文提出了互依賴和等效半徑

3、的概念,并將兩者相結合,提出新的分類算法——基于互依賴和等效半徑、易更新的分類算法SECTILE,SECTILE計算復雜度較低,而且擴展性能較好,適用于大規(guī)模場合.4.該文提出了一種實用而且高效的聚類算法,力圖避免需要人為事先確定的參數(shù),同時提高時空效率和信息處理的性能.5.該文提出了一種基于主題聚類的自動摘要算法,采用統(tǒng)計方法的同時,適當結合知識理解,既擺脫了領域限制,又使摘要的結果更為準確.此外,該文還提出了一種較為客觀的、基于任務