手機(jī)智能輸入平臺中詞語搭配提取子系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來，以手機(jī)為代表的移動通訊設(shè)備已經(jīng)和人們的生活息息相關(guān)。隨著移動通訊設(shè)備應(yīng)用的不斷推廣，用戶對手機(jī)漢字輸入平臺的輸入速度和易用性提出了更高的要求。利用詞語搭配信息對用戶輸入漢字做出有效的分析和預(yù)測，建立一個高效的手機(jī)智能輸入平臺成為一個重要的研究課題。 本文主要介紹了作為智能手機(jī)輸入平臺核心技術(shù)之一的、基于大規(guī)模真實(shí)文本的詞語搭配提取子系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)，以及相關(guān)輔助軟件包的開發(fā)。當(dāng)前的詞語搭配提取技術(shù)主要可以分為基于詞語統(tǒng)計(jì)

2、信息的搭配提取和基于句法信息的搭配提取。在對當(dāng)前技術(shù)的廣泛調(diào)研基礎(chǔ)上，本文設(shè)計(jì)和實(shí)現(xiàn)了一個結(jié)合統(tǒng)計(jì)和句法信息的高性能搭配提取子系統(tǒng)。其中，在基于統(tǒng)計(jì)的搭配提取研究中，首先移植典型的英語搭配提取引擎Xtract到中文處理領(lǐng)域，并根據(jù)中文的特點(diǎn)對該系統(tǒng)進(jìn)行了改進(jìn)和優(yōu)化。在其基礎(chǔ)上，本文提出并實(shí)現(xiàn)了一個新的基于詞語雙向依存的搭配提取引擎CⅪract2。由于設(shè)計(jì)了有效的數(shù)據(jù)預(yù)處理環(huán)節(jié)以及使用詞語雙向二元統(tǒng)計(jì)數(shù)據(jù)等方法，搭配提取引擎的性能得到了明

3、顯改善。由于單純使用統(tǒng)計(jì)信息很難進(jìn)一步改進(jìn)搭配提取引擎的性能，本文進(jìn)一步提出并實(shí)現(xiàn)了一種應(yīng)用句法信息以改進(jìn)基于統(tǒng)計(jì)的搭配提取的新方法。這種方法通過對典型搭配在大規(guī)模樹庫中的句法結(jié)構(gòu)關(guān)系進(jìn)行統(tǒng)計(jì)和分析，從中總結(jié)出一系列的搭配短語結(jié)構(gòu)模板。通過應(yīng)用這些模板將詞語統(tǒng)計(jì)信息和句法信息結(jié)合起來建立一個完整的搭配提取子系統(tǒng)，使系統(tǒng)的性能得到了進(jìn)一步提高。在大規(guī)模的詞語搭配提取評估測試中，本文設(shè)計(jì)并實(shí)現(xiàn)的搭配提取子系統(tǒng)的精確度和召回率均優(yōu)于絕大多數(shù)現(xiàn)