您现在的位置:首页 --> 查看专题: 社会语言学
挖掘新词的传统方法是,先对文本进行分词,然后猜测未能成功匹配的剩余片段就是新词。这似乎陷入了一个怪圈:分词的准确性本身就依赖于词库的完整性,如果词库中根本没有新词,我们又怎么能信任分词结果呢?此时,一种大胆的想法是,首先不依赖于任何已有的词库,仅仅根据词的共同特征,将一段大规模语料中可能成词的文本片段全部提取出来,不管它是新词还是旧词。然后,再把所有抽出来的词和已有词库进行比较,不就能找出新词了吗?有了抽词算法后,我们还能以词为单位做更多有趣的数据挖掘工作。这里,我所选用的语料是人人网 2011 年 12 月前半个月部分用户的状态。非常感谢人人网提供这份极具价值的网络语料。
[ 共1篇文章 ][ 第1页/共1页 ][ 1 ]
近3天十大热文
- [135] Go Reflect 性能
- [17] 基于HTTP缓存轻松实现客户端应用的离线支持
- [17] 公钥私钥加密解密数字证书数字签名详解
- [16] osx平台上lol英雄联盟launcher启
- [14] Joomla反序列化漏洞的查漏补缺
- [14] 我的git笔记
- [13] 在JavaScript中什么时候使用==是正
- [12] SSL多域名绑定证书的解决方案
- [12] Linux内存中的Cache真的能被回收么?
- [11] 相似度计算之马氏距离
赞助商广告