文献类型：期刊文章

作　　者：周超[1] 严馨[1] 余正涛[1] 洪旭东[1] 线岩团[1]

机构地区：[1]昆明理工大学信息工程与自动化学院计算机系、云南省计算机技术应用重点实验室,云南昆明650500

出　　处：《山东大学学报（理学版）》

基　　金：国家自然科学基金资助项目(61462055,61462054,61175068,61363044)

年　　份：2015

卷　　号：50

期　　号：3

起止页码：6-10

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA-PROQEUST、CSCD、CSCD2015_2016、IC、JST、MR、PROQUEST、RCCSE、RSC、ZGKJHX、ZMATH、核心刊

摘　　要：大量的新词伴随着微博的快速发展而产生,这些新词具有传播速度快及与其他词组合方式灵活的特点,而且在进行分词处理时容易被切分为不同的字符串。提出了一种融合词频特性及邻接变化数的微博新词识别方法。该方法首先对大规模的微博语料进行分词,然后将在两停用词间的相邻字串两两组合,根据组合后的字串频率统计取得新词候选串,再通过组合成词规则进行筛选获得候选新词,最后通过词的邻接域变化特性去除垃圾串获得新词。利用该方法在COAE 2014评测任务上进行了新词的发现实验,准确率达到36.5%,取得了较好的成绩。

关 键 词：邻接变化数  微博新词  字串频率统计  成词规则  

分 类 号：TP391]