学位论文 > 优秀研究生学位论文题录展示
日语词法分析及在跨语言信息检索中的应用研究
作 者: 王晶
导 师: 赵铁军
学 校: 哈尔滨工业大学
专 业: 计算机科学与技术
关键词: 跨语言信息检索 日文词法分析 查询翻译 名实体识别 后处理
分类号: TP391.1
类 型: 硕士论文
年 份: 2008年
下 载: 43次
引 用: 0次
阅 读: 论文下载
内容摘要
随着国际上交流与合作的不断加强,人们对跨语言信息处理的需求越来越多。日本与我国关系密切,因此对日文信息的获取和处理是非常有必要的。日文词法分析是日文信息处理的基础,在跨语言信息检索、机器翻译、信息抽取等实际应用领域都扮演着重要的角色。本文主要对日文词法分析、名实体识别以及它们在跨语言信息检索中的应用进行研究,具体的研究内容主要包括以下几个方面:1.对日文进行分词和词性标注研究。针对日文分词中的歧义切分问题,本文采用最大概率分词法,利用Ipadic词典对日文文本进行粗切分,并用动态规划算法寻找最佳分词路径。针对日文分词中的未登录词问题,提出基于字的识别方法。用HMM实现日文词性标注的训练和标注过程,并对稀疏数据进行平滑。标注过程中先对词串进行以单标记词为边界的划分,然后用Viterbi算法寻找最佳词性标记序列,降低了处理的复杂性。在EDR语料上的测试,分词F值为95.76%,词性标注F值为96.70%。2.对日文名实体识别及其后处理技术的研究。本文采用最大熵模型进行日文名实体识别研究,采用的主要特征有词形特征、词性特征、词典特征和上下文特征。针对统计方法对语料依赖性强的问题,本文提出改进的基于TBL的日文名实体识别后处理方法。该方法能针对名实体识别错误自动学习,获取转换规则,并对规则进行优化。实验证明该方法是一种有效的日文名实体识别后处理方法。3.对日英跨语言信息检索中查询翻译方法的研究。考虑到现有资源和系统效率问题,本文采用翻译查询的方法实现日英跨语言信息检索。针对基于词典的查询翻译方法存在的翻译歧义问题,本文采用双语词典与共现模型相结合的查询翻译方法。针对基于词典的翻译方法中词典覆盖度的问题,本文根据日文的特点,采用对词典中不存在的日文人名、地名以及片假名词的音译方法,显著提高了查询翻译的效果。最后,本文利用Lucene工具包构建英文检索模块,实现对英文文档索引和检索的功能。
|
全文目录
摘要 4-5 Abstract 5-9 第1章 绪论 9-15 1.1 课题研究的背景和意义 9-10 1.2 国内外研究现状与分析 10-14 1.2.1 日语分词及词性标注研究综述 10-12 1.2.2 日语名实体识别研究综述 12-14 1.3 本文组织结构 14-15 第2章 日文自动分词与词性标注 15-28 2.1 引言 15-16 2.2 日文自动分词 16-20 2.2.1 最大概率分词法 16-17 2.2.2 最佳分词路径选择算法 17-18 2.2.3 未登录词识别 18 2.2.4 实验结果及分析 18-20 2.3 日文词性标注 20-26 2.3.1 HMM 模型 20-22 2.3.2 词性标注过程 22-24 2.3.3 模型训练过程 24-25 2.3.4 数据平滑 25 2.3.5 实验结果及分析 25-26 2.4 本章小结 26-28 第3章 日文名实体识别及后处理技术 28-41 3.1 引言 28-29 3.2 最大熵模型概述 29-33 3.2.1 最大熵原理简介 29 3.2.2 最大熵模型简介 29-32 3.2.3 特征引入算法 32-33 3.3 采用的主要特征 33-34 3.4 日文名实体识别后处理技术 34-39 3.4.1 TBL 简介 34-35 3.4.2 改进的TBL 后处理技术 35-39 3.5 实验结果及分析 39-40 3.6 本章小结 40-41 第4章 日英跨语言信息检索 41-53 4.1 引言 41-43 4.2 日英跨语言信息检索系统的总体构架 43-45 4.3 基于词典及共现模型的查询翻译 45-47 4.3.1 基于日英双语词典的查询翻译 45 4.3.2 基于共现模型的查询翻译 45-47 4.4 名实体音译方法 47-48 4.4.1 音译表的构建 47-48 4.4.2 音译算法描述 48 4.5 基于Lucene 的信息检索 48-49 4.5.1 Lucene 工具包简介 49 4.5.2 单语检索的系统结构 49 4.6 实验结果与分析 49-52 4.7 本章小结 52-53 结论 53-54 参考文献 54-58 附录 58-59 攻读硕士学位期间发表的学术论文 59-61 致谢 61
|
相似论文
- 双季戊四醇及其衍生物的合成与工艺研究,TQ223.164
- 罗丹明B和罗丹明6G的印迹聚合物制备及性能,O631.3
- 超声处理RTM成型酚醛/乙醇在石英纤维表面的竞争吸附,TB332
- 基于CCD图像传感器的温度测量技术研究,TH811
- 毫米波雷达中频模拟信号源数据产生部分的研究,TN955
- 高频雷达复合调制波形设计与处理,TN958.93
- 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
- 支持XML数据查询的F&B索引结构的研究,TP311.13
- 海量多数据库集成系统的查询处理研究,TP311.13
- 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
- 嵌入式可信计算机系统安全机制的设计与实现,TP309
- 词义消歧语料库自动获取方法研究,TP391.1
- 舌图像中瘀斑瘀点检测技术研究,TP391.41
- FPGA/DSP图像协处理技术及以太网数据传输,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 多线阵CCD视觉测量系统的数据采集与处理,TP274.2
- PCI-E数字化仪研制,TP274.2
- 机械臂视觉伺服系统的研究,TP242.6
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- GPS抗干扰技术研究,P228.4
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 文字信息处理
© 2012 www.xueweilunwen.com
|