基于多策略的维吾尔文网页识别方法
文献类型：期刊论文
| 作者 | 阿力木·木拉提; 艾孜尔古丽; 杨雅婷 ; 李晓
|
| 刊名 | 中文信息学报
 |
| 出版日期 | 2017 |
| 卷号 | 31期号:1页码:133-139 |
| 关键词 | 维吾尔文 网页识别 N-Gram方法 常用词 向量空间模型 |
| 中文摘要 | 经过对大量维吾尔文网站的调查与分析,该文从多语种混合网页中针对维吾尔文网页识别进行了研究,这对维吾尔语信息处理工作起着关键作用。首先该文探讨了维吾尔文不规范网页的字符编码转换规则及原理,以此对不规范维吾尔文字符进行了相应的处理,之后介绍了基于修改的N-Gram方法和基于维吾尔语常用词特征向量的两种方法,其中后者融合了维吾尔文常用候选词语料库及向量空间模型(Vector Space Model)。使用三种不同类型的维吾尔文网页文本作为本研究的数据集,在此基础上验证了该文提出的网页识别方法,以及采用不同的方法进行了网页识别的实验。实验结果表明,基于N-Gram的方法对正文较长的新闻或论坛网页的识别性能最佳,反而基于常用词特征向量的方法对短文本的网页识别性能优越N-Gram。所提方法对维吾尔文网页识别的整体性能达到90%以上,并验证了这两种方法的有效性。 |
| 收录类别 | CSCD |
| CSCD记录号 | CSCD:5949611 |
| 源URL | [http://ir.xjipc.cas.cn/handle/365002/4741]  |
| 专题 | 新疆理化技术研究所_多语种信息技术研究室 |
| 作者单位 | 1.中国科学院新疆理化技术研究所 2.新疆民族语音语言信息处理重点实验室 3.中国科学院大学 4.新疆师范大学计算机科学技术学院 |
| 推荐引用方式 GB/T 7714 | 阿力木·木拉提,艾孜尔古丽,杨雅婷,等. 基于多策略的维吾尔文网页识别方法[J]. 中文信息学报,2017,31(1):133-139. |
| APA | 阿力木·木拉提,艾孜尔古丽,杨雅婷,&李晓.(2017).基于多策略的维吾尔文网页识别方法.中文信息学报,31(1),133-139. |
| MLA | 阿力木·木拉提,et al."基于多策略的维吾尔文网页识别方法".中文信息学报 31.1(2017):133-139. |
入库方式： OAI收割
来源：新疆理化技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。