自主技术

分词与词性标注


发表时间:2013-11-05     发布人:小秀     阅读:40201 次      (80)

摘要: 分词与词性标注

我们的分词和词性标注系统,针对这些社会媒体的特殊性行进了特别处理。         

东西 总体来说,中文的分词和词性标注比英文要困难得多。这些困难主要体现在:歧义的情形(如“和服”、“产品和服务”、“东和服装”);未登录词的处理(如新 产品名、人名等专有名词);处理标准一致的判定(如“吃饭”和“洗澡”是当成一个词还是两个词)。在社会媒体中,中文的分词和词性标注包含了更多的挑战:

  • 随着社会媒体的发展,热衷网络交流的用户逐步形成一些社会媒体特有的表达和词汇(Internet Slang)。例如,“这东东粉pp”、“酱紫”(“这东西很漂亮”、“就这样子”)在论坛中是很时尚的说法。并且,和传统语言相比,这些新词汇和新表达的涌现“超速度”。
  • 多语言和符号的混杂。文字中穿插表情符号图形,在年轻人发布的日志和博客中非常流行。微软空间腾讯博客,提供了有趣的图片和动画集,让用户来表达他们的心情和感受。这些图片和动画,所表达的含义甚至比语言更丰富和传神。与此同时,中英文夹杂,缩写也变得十分普遍。lolorz等新词汇在社会论坛中所代表的含义,远远超出简单的几个字所能表达,并且很多这样的符号和语言后面都有一个故事。例如,中文论坛最近很流行的“囧”就是由日本引进的,并且跟orz大有渊源(“囧rz”)。像WindowsiPhone这样代表产品和品牌的词汇,很多用户都直接采用,它们的中文名称很多人反而不熟悉。

这些因素表明,网络语言中有很多传统的分词和词性标注程序不能处理的情形。 我们的分词和词性标注系统,针对这些社会媒体的特殊性行进了特别处理。 在现有公共分词和词性标注语料库的基础上,我们专门收集了大量的典型网络文章, 重新训练了分析和词性标注的语言模型。 因此,能够很好地处理很有“个性”的网络文章。         

快速评论


评论记录
评论内容 评论时间
The 26 best dating sites and apps if you re looking for love https://chicas-lindas-gloves.fetish-matters.com/?emily-victoria 2024-11-07
The secret is out how male porn stars maintain erections for so https://anal-closeup-pinay-hard-fuck.fetish-matters.net/?fatima-kennedy 2024-11-07
Girl 12 raped by teen brother in wales gives birth after 7news https://jiggly-ass-big-toys.fetish-matters.com/?sylvia-annabel 2024-11-06
18 yo twins fallen angels starring cali marie and kylie marie https://large-dick-bubbled.fetish-matters.net/?marley-kailee 2024-11-06
Capri anderson porn star id d as charlie sheen s date https://cuckold-dominican.fetish-matters.com/?jayla-baylee 2024-11-06
As ai porn generators get better the stakes get higher https://mexico-hot-sex.fetish-matters.net/?armani-robin 2024-11-05
Shailene woodleys nude porn pics leaked xxx sex photos https://moroc-2021-bum.fetish-matters.net/?kiley-devin 2024-11-05
The 25 best milf onlyfans with hot moms on onlyfans https://smutpuppet-seduce.fetish-matters.com/?kennedy-trinity 2024-11-05
Porn whats whatsapp porn groups sex groups whatsapp https://hot-black-guy-chunky.fetish-matters.net/?joslyn-stella 2024-11-05
Eu names three porn sites subject to its strictest online content https://korean-lockdown.fetish-matters.net/?madeleine-esperanza 2024-11-04