龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京航空航天大学
摘要：本发明公开了一种基于词对齐的古汉语分词与词性标注数据扩增方法，该方法包括：首先，对平行语料库中的现代汉语进行分词和词性标注，对古汉语逐字进行拆分，并对预处理后的现代汉语和古汉语使用IBMModel4模型进行词对齐；然后，根据对齐结果对古汉语单字进行合并得到初始分词结果，并根据对齐的现代汉语的词性得到对应的古汉语词性；最后利用已有的人工标注的古汉语分词与词性标注数据和上述通过词对齐得到的古汉语数据训练得到模型，用该模型对通过词对齐得到的古汉语数据进行重新标注，得到充足且高质量的古汉语分词与词性标注数据。本发明通过词对齐的方法来扩增古汉语分词与词性标注数据，解决了带标注的古汉语分词与词性标注数据稀缺问题。
主权项：1.一种基于词对齐的古汉语分词与词性标注数据扩增方法，其特征在于，包括以下步骤：步骤1.对平行语料库中的现代汉语和古汉语进行预处理，所述预处理包括对平行语料库中的现代汉语进行分词得到现代汉语词，然后对所述现代汉语词进行词性标注；对平行语料库中的古汉语逐字进行拆分得到古汉语单字，对所述现代汉语词和所述古汉语单字进行词对齐；步骤2.根据词对齐结果对古汉语单字进行处理得到古汉语词，并根据古汉语词所对齐的现代汉语词的词性标注得到古汉语词的词性标注；步骤3.获取数据集Da，所述数据集Da包括古汉语词以及古汉语词的人工词性标注；获取弱标注数据集Dp，所述弱标注数据集Dp包括步骤2中获取的古汉语词和古汉语词的词性标注；训练得到第三模型M2，用所述第三模型M2对所述弱标注数据集Dp进行重新标注，得到充足且高质量的古汉语词与词性标注数据。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种基于词对齐的古汉语分词与词性标注数据扩增方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号