一种基于统计的分词标注一体化方法

摘要：

分词标注是中文信息处理的基础.传统方法的处理步骤大都是首先对文本进行预处理,得到文本的粗分模型,在此基础上对词语进行词性标注.粗分模型集合的大小取决于采用的分词方法,粗分模型的准确性直接影响着后续处理结果的准确性.提出一种基于统计的分词标注一体化方法即概率全切分标注模型,该方法的特点是将分词、标注两部分工作融为一体同时进行,在利用全切分获得所有可能分词结果的过程中,计算出每种词串的联合概率,同时利用马尔可夫模型计算出每种词串所有可能标记序列的概率,由此得到最可能的处理结果.该方法提高了结果的召回率和准确率,由于在查询词典时采用的是单次查询双数组Trie树索引,因此效率也很高.

关键词：分词标注、粗分模型、双数组Trie树索引、马尔可夫标注模型、全切分

所属期刊栏目：18

分类号：TP3;G25

资助基金：国家社科基金05BYY022

在线出版日期：2010-01-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：55-58