基于互联网1至5元文法语料库的多词表达自动提取

摘要：

多词表达是自然语言中的常见现象，其自动提取对很多自然语言处理任务有着举足轻重的作用。本研究以Google公司发布的基于公共网页的1至5元文法语料库作为词频统计的依据，同时结合自动词性标注的信息，对英国国家语料库的书面语材料部分进行多词表达的自动提取。研究结果表明，该方法能够充分利用Google语料库的精确词频信息，从而提高了多词表达抽取的准确率，并且能够较好地缓解数据稀疏现象带来问题。

关键词：多词表达、自然语言处理、数据稀疏

分类号：TP391.1(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金资助2012HGXJ0109；2012HGXJ0110。

在线出版日期：2013-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：171-173