基于Web的新詞語(yǔ)發(fā)現(xiàn)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩54頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著互聯(lián)網(wǎng)的興起,Internet幾乎進(jìn)入了人們生活的各個(gè)角落,在給人們帶
   來(lái)巨大便利的同時(shí)也不斷影響著人們所使用的語(yǔ)言,特別是語(yǔ)言中的詞語(yǔ),越
   來(lái)越多的中文新詞語(yǔ)出現(xiàn)在網(wǎng)絡(luò)上,影響著人們的日常交流用語(yǔ)。中文新詞的
   出現(xiàn)豐富了語(yǔ)言的色彩,同時(shí)也給詞庫(kù)更新、自然語(yǔ)言處理、詞典編纂等領(lǐng)域
   帶來(lái)了很多困難。鑒于當(dāng)前新詞語(yǔ)并沒(méi)有一個(gè)準(zhǔn)確的、公認(rèn)的定義,如何快速、
   準(zhǔn)確的查找出

2、新詞語(yǔ)成了一個(gè)比較麻煩的問(wèn)題。本文根據(jù)語(yǔ)言學(xué)和詞法分析中
   關(guān)于新詞語(yǔ)的定義,將新詞語(yǔ)分為詞形新的詞語(yǔ)、命名實(shí)體和意義用法發(fā)生變
   化的已有詞語(yǔ)這三大類(lèi)。本文主要研究的是對(duì)于詞形新的詞語(yǔ)的自動(dòng)發(fā)現(xiàn)。
   從當(dāng)前來(lái)看,國(guó)內(nèi)外對(duì)于詞形新的新詞語(yǔ)識(shí)別研究還不多見(jiàn),而且現(xiàn)有的
   研究提取的新詞語(yǔ)一般都是限于詞長(zhǎng)或者是限于領(lǐng)域。本文提出了自己的方法
   ——從互聯(lián)網(wǎng)上采集大量的新聞網(wǎng)頁(yè),然后

3、從新聞內(nèi)容中提取新詞語(yǔ)。我們的
   目標(biāo)是從全局角度尋找在指定日期后出現(xiàn)的不限領(lǐng)域和詞長(zhǎng)的新詞語(yǔ)。
   本文提出的方法實(shí)現(xiàn)的系統(tǒng)分為三個(gè)部分:網(wǎng)頁(yè)采集、網(wǎng)頁(yè)分析和新詞語(yǔ)
   的提取。在網(wǎng)頁(yè)采集部分用網(wǎng)頁(yè)爬蟲(chóng)程序下載指定網(wǎng)頁(yè);網(wǎng)頁(yè)分析部分提取網(wǎng)
   頁(yè)的新聞內(nèi)容和新聞日期,對(duì)內(nèi)容用分詞程序進(jìn)行分詞,重復(fù)串查找,然后將
   所有的詞和串帶上日期存入原始信息數(shù)據(jù)庫(kù);新詞語(yǔ)提取部分根據(jù)日期將原始

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論