作者：王军辉 胡铁军 李丹亚 钱庆 方安中文生物医学领域汉语文本无词典分词方法研究textchinesewordsegmentation专业术语实验结果词长结构式摘要应用过程分词方法分布抽取参考价值准确率语料库新术语
摘要：为了在不利用词典的条件下实现对中文生物医学文本的有效切分,结合中文生物医学文本专业术语多、新术语不断出现和结构式摘要的特点,引入一种基于重现原理的无词典分词方法,并在实际应用过程中从分词长度上限值的设定和层次特征项抽取两方面对其进行了改进.实验结果表明,该方法可以在不需要词典和语料库学习的情况下,实现对生物医学文本中关键性专业术语的有效抽取,分词准确率约为84.51%.最后,基于本研究中的分词结果,对生物医学领域的词长分布进行了初步探讨,结果表明中文生物医学领域的词长分布与普通汉语文本有非常大的差异.研究结果对在处理中文生物医学文本时N-gram模型中N值的确定具有一定的参考价值.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
