古籍計算機斷句標點與分詞標引研究

內容概要

　　《古籍計算機斷句標點與分詞標引研究》以古籍中的農業(yè)文獻及農史信息資源為研究對象，利用計算機技術及現(xiàn)代情報技術進行整理與開發(fā)，但各冊研究重點并非完全一致，或標點與分詞，或編纂與?？?，或知識組織，或內容挖掘，或索引編制，或關注信息門戶，或研究古籍數(shù)字化技術。雖各有分工、各有側重，但卻互相補充、緊密聯(lián)系。

作者簡介

　　黃建年，男，1966年生，研究館員，1990年畢業(yè)于北京大學圖書館學專業(yè)本科，獲得文學學士學位，2004年、2009年分別于南京大學、南京農業(yè)大學獲得管理學碩士、理學博士學位。先后擔任圖書館辦公室主任、圖書館館長助理、物資設備處副處長等職。曾兼職擔任鎮(zhèn)江市圖書館學會學術委員會副主任，現(xiàn)為江蘇省黃氏文化研究會(籌)常務理事。主持或者參與國家社科基金項目、教育部人文社會科學基金項目、江蘇省教育廳高校社科基金項目等10余項，在《中國圖書館學報》、《情報學報》等各類刊物上發(fā)表學術論文60余篇，出版專著2部，開發(fā)軟件2種。主要研究方向：古籍整理、數(shù)字圖書館、信息組織。
　　侯漢清，南京農業(yè)大學信息科技學院教授、博導，中國索引學會副理事長。主要專著有《主題法導論》(1991年)、《索引技術和索引標準》(1997年)、《當代分類法主題法索引法研究》(1997年)、《文獻分類法主題法導論》(1999年)、《圖書館學五定律》(譯著，1984年)、《引文索引法的理論及其應用》(譯著，2003年)、《情報檢索語言與智能信息處理叢書》(主編，2009年)等。主持或參與主持國家級項目6項，主編或參與主編《中國分類主題詞表》、《社會科學檢索詞表》等國內主要詞表和分類表多部。研究方向：信息組織、信息檢索、信息智能處理。

書籍目錄

序一
序二
序三
1　緒論
　1.1　課題依據(jù)及意義
　1.2　國內外研究綜述
　1.3　研究的主要理論與技術路線
　1.4　研究的主要內容、結構與創(chuàng)新之處
2　古籍斷旬標點技術研究
　2.1　斷句標點概述
　2.2　古籍自動斷句標點技術進展
　2.3　古籍自動斷句標點算法、流程與功能設計
　2.4　實驗結果評價與展望
　2.5　本章小結
3　古　籍分詞標引技術研究
　3.1　古籍文本分詞標引研究進展
　3.2　分詞標引理論與關鍵技術研究
　3.3　自動分詞主要算法與流程
　3.4　分詞效果測試
　3.5　分詞結果分析
　3.6　分詞結果應用
　3.7　本章小結
4　古籍整理與開發(fā)系統(tǒng)的構建與集成
　4.1　系統(tǒng)開發(fā)背景
　4.2　古籍斷句標點子系統(tǒng)
　4.3　古籍分詞子系統(tǒng)
　4.4　古籍系統(tǒng)設置子系統(tǒng)
　4.5　本章小結
5　結語
6　附錄
　附錄一　計算機斷句樣例
　附錄二　計算機標點樣例
　附錄三　標點規(guī)則庫樣例
　附錄四　計算機分詞樣例
　附錄五　常用農業(yè)史資料、索引一覽表
　附錄六　新中國農業(yè)古籍整理出版簡目
　附錄七　《廣州府志》等四種古籍索引樣例
　附錄八　全書索引
后記

章節(jié)摘錄

版權頁：插圖：索引編制自動化主要集中在逐字索引，而對詞的索引研究不多，所以本論文的研究重點在索引詞匯的識別，通過自動識別索引詞匯，然后實現(xiàn)索引的自動編制，編制出真正基于語詞的古籍索引。3.2 分詞標引理論與關鍵技術研究3.2.1 分詞詞典研究分詞詞典是基于詞典分詞的漢語自動分詞系統(tǒng)的一個組成部分，也是影響系統(tǒng)性能的重要因素之一?；谠~典的自動分詞系統(tǒng)所需的各類信息基本上從分詞詞典中獲取。考核分詞詞典質量主要有兩個指標：①詞典的內容，即詞典中收錄詞匯的數(shù)量與質量，它對分詞精度有著很大的影響。一個好的詞典要具備通用性好、覆蓋率高的優(yōu)點。②詞典的組織形式。系統(tǒng)在進行分詞及標注時需要頻繁地查詢詞典，詞典的查詢速度直接影響到分詞系統(tǒng)的速度，因而必須有效地組織詞典，從而提高系統(tǒng)的整體性能。建立詞典有兩種方法：①建立靜態(tài)詞庫，這是一種簡單直接的方法。靜態(tài)詞庫以國家技術監(jiān)督局1993年發(fā)布的GB／T13715-92《信息處理用現(xiàn)代漢語分詞規(guī)范》為依據(jù)，其特征是針對信息處理的基本需要、以人為本、考慮詞的常用性，整個詞表分成詞庫、帶字母詞庫、專名庫、常用接續(xù)庫、成語庫、俗語庫以及單字詞庫等7個分詞庫。該規(guī)范具有較強通用性及覆蓋能力，對推動漢語自動分詞研究的發(fā)展，起到了積極作用。但該方法的不足之處在于字典所能包含的單詞有限，對于特定領域的某些單詞無法包含。并且對于某個特定領域的應用來說，實際需要的單詞要少得多，大而全的字典反而影響分詞的效率和準確率。②建立動態(tài)詞庫，動態(tài)詞庫也稱為智能詞庫，使用統(tǒng)計方法通過對大量的語料文本進行處理來建立詞典。智能詞典的基本思想是：先用無詞典法按照一定算法對分詞文本進行特征提取，提取出中頻詞與高頻詞兩類，按照一定的算法決定高頻詞是否為新詞，若有新詞則添加到臨時詞典，然后按照機械分詞算法進行分詞。智能詞典定時地對臨時詞典進行處理，按照一定的算法提取特征詞，將其放人詞典。該方法針對特定領域，詞典的規(guī)模相比于通用詞典要小得多，其分詞的效率比第一種方法要高。更重要的是，這種方法統(tǒng)計大量的語料文本，能包括本領域的幾乎所有單詞，其分詞的準確率也比前一種方法高。

編輯推薦

《古籍計算機斷句標點與分詞標引研究》是中華農業(yè)文明研究院文庫?文化典籍計算機整理與知識組織叢書之一。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    古籍計算機斷句標點與分詞標引研究 PDF格式下載

---