基于无指导学习策略的无词表条件下的汉语自动分词

作者：孙茂松; 肖明; 邹嘉彦

来源：计算机学报, 2004, (06): 736-742.

• 汉语自动分词
• 无指导学习
• 汉字Bigram
• 互信息与t-测试的组合 Chinese word segmentation
• unsupervised learning
• Bigram of Chinese characters
• combination of mutual information and t -test

探讨了基于无指导学习策略和无词表条件下的汉语自动分词方法 ,以期对研制开放环境下健壮的分词系统有所裨益 .全部分词知识源自从生语料库中自动获得的汉字Bigram .在字间互信息和t 测试差的基础上 ,提出了一种将两者线性叠加的新的统计量md ,并引入了峰和谷的概念 ,进而设计了相应的分词算法 .大规模开放测试结果显示 ,该算法关于字间位置的分词正确率为 85 .88% ,较单独使用互信息或t 测试差分别提高了 2 4 7%和 5 6 6 % .

• 单位
  智能技术与系统国家重点实验室; 清华大学; 香港城市大学