版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、中文作為人類傳播信息的重要語言工具之一,中文信息處理已經(jīng)成為信息處理領(lǐng)域的熱點研究問題。中文自動分詞是中文信息處理的重要組成部分,而詞典處理效率是影響中文自動分詞系統(tǒng)性能的關(guān)鍵因素,因此,建立高效的分詞詞典具有顯著的意義。本文對中文分詞系統(tǒng)的詞典結(jié)構(gòu)進行了深入研究,取得了一定研究成果,已用于國家863項目中的垃圾短信監(jiān)管處理,并將設計的算法申請?zhí)峤涣讼嚓P(guān)專利,主要研究成果如下: 1.比較分析并改進了幾種的詞典存儲和處理方法:數(shù)組
2、-數(shù)組機制使用數(shù)組存儲詞條行,采用二分查找,在操作效率上不高,不利于詞典的更新;雙字哈希對前詞條兩個字哈希,使用深度為2的TRIE樹,結(jié)構(gòu)復雜;四字哈希機制只對四字成語有效,在應用上有局限性。本文對這些方法作一定的改進來解決效率問題。 2.根據(jù)漢字GB碼的特點,提出了一種比較高效的詞典存儲算法,將相同首字的詞條作為一個文本行進行存儲,而每個詞條格式化為:去掉首字詞條名、詞條哈希值和相關(guān)屬性,提高了存儲空間利用率。 3.利
3、用Hash表在查找效率上優(yōu)勢,提出了基于Hash機制的詞典查找、更新、刪除、添加等操作新算法。設計一個實用的Hash函數(shù),經(jīng)實驗驗證沖突率極小,適合中小型詞典,通過將該函數(shù)改進為適合大型詞典的無沖突Hash函數(shù)。 4.實現(xiàn)數(shù)組、鏈表、AVL樹、Hash表(帶極小沖突和無沖突兩種)五種詞典結(jié)構(gòu)算法,對這些算法從時間復雜度和空間復雜度等方面進行詳細的分析和評估,從載入、寫出、文件大小和操作時間等幾個方面進行實驗對比,驗證了基于Has
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于雙數(shù)組的分詞詞典研究與實現(xiàn).pdf
- 基于詞典的中文分詞算法改進與實現(xiàn).pdf
- 分詞詞典的構(gòu)建.pdf
- 基于Hash結(jié)構(gòu)的機械統(tǒng)計分詞系統(tǒng).pdf
- 基于詞典的中文分詞歧義算法研究.pdf
- 基于Hash算法的中文自動分詞技術(shù)研究.pdf
- 基于詞典的中文分詞歧義算法研究
- 基于語法的分詞系統(tǒng)的設計與實現(xiàn).pdf
- 基于詞典的中文分詞技術(shù)研究.pdf
- 基于多級Hash分詞的全文搜索引擎的研究.pdf
- 一個基于詞典與統(tǒng)計的中文分詞算法.pdf
- 基于實例的中文分詞系統(tǒng)設計與實現(xiàn).pdf
- 基于SegTree的漢語分詞系統(tǒng)的設計與實現(xiàn).pdf
- 詞典與統(tǒng)計相結(jié)合的中文分詞的研究.pdf
- 基于網(wǎng)絡爬蟲與HASH的網(wǎng)站篡改檢測系統(tǒng)的設計與實現(xiàn).pdf
- 基于wince的電子詞典的設計與實現(xiàn)
- 基于IT-Kid的語義詞典設計與實現(xiàn).pdf
- 基于Lucene的中文分詞器設計與實現(xiàn).pdf
- 基于詞典與統(tǒng)計結(jié)合的中文分詞方法研究及全文檢索系統(tǒng)設計.pdf
- 基于WinCE的電子詞典的設計與實現(xiàn).pdf
評論
0/150
提交評論