汉语依存树库中未登录词的处理方法

摘要

本发明属于计算语言学的自然语言处理领域，公开了一种汉语依存树库中未登录词的处理方法，该方法包括步骤：A，利用同义词词林，查找未登录词的所有同义词；B，根据汉字字形特征，计算未登录词与其所有同义词之间的字形相似度；C，当未登录词与多个同义词的字形相似度相同时，抽取所映射的词及其对应的词性的信息量，改进字形相似度计算模型；D，抽取字形相似度最大的词为未登录词的最优映射词，作为树库中对未登录词的解释。本发明可以再不扩大树库规模的前提下，令依存句法分析中的单元对<词性，词性>回升到<词性，词>或<词，词性>，从而达到细化信息粒度，缓解数据稀疏问题，改进依存句法分析性能。

主权项

一种汉语依存树库中未登录词的处理方法，其特征在于，所述方法包括以下步骤：步骤A：利用同义词词林，查找未登录词的所有同义词；步骤B：根据汉字字形特征，设计词语之间的字形相似度计算模型，计算未登录词及其所有同义词之间的字形相似度；步骤C：当未登录词存在多个同义词与之映射时，抽取所映射的词及其对应词性的信息量，改进字形相似度计算模型；步骤D：根据字形相似度，抽取未登录词的最优映射词，作为树库中对未登录词的解释。