中文自动分词及人名识别技术研究

摘要

在Internet日益普及的今天，语言文字作为信息的载体越来越多的出现在人们的视野中，因此自然语言理解成为了一个热门的研究领域。中文自动分词作为自然语言理解的第一步，分词技术的优劣将直接影响到中文信息的后续处理。它是自然语言理解的一个前沿课题，在基础研究和应用研究领域都起着举足轻重的作用。
　　 中文人名是未登录词的最主要组成部分，它的存在成为影响分词精度的主要因素之一。中文人名识别是中文自动分词中的一项关键技术，但目前在处理结果上还不尽如人意，还需进一步提高其识别质量。
　　 文本将针对中文自动分词模型和中文人名识别问题进行研究，主要工作集中在：
　　 （1）提出一种动态四字双向词典机制。该机制针对四字以内词出现频率高的特点，为每一个四字以内的词添加了相应的前后缀信息，达到减少词汇平均访问词典数的目的，提高词的查询效率。
　　 （2）提出了基于知网的贝叶斯中文人名识别算法。在对文章初分词的基础上，进行朴素贝叶斯人名识别，完成对人名的粗略识别和定位，最后利用语义相关度知识对人名修正。该方法无需规则的大量的使用，同时在人名仅一次出现的情况下能够进行准确的识别，有效的提高了中文人名自动识别的质量。

目录

文摘

英文文摘

论文说明:图表目录

声明

第一章绪论

第二章中文自动分词的理论基础

第三章基于动态四字双向词典的中文分词

第四章基于知网的贝叶斯中文人名识别

第五章结束语

参考文献

附录

致谢