|
|
|
以自然语言处理服务于自动标引、词语计算和汉语教学 |
|
|
|
|
|
|
|
计算机辅助词典编撰：分类词典编撰
|
|
|
按学科（或题材）编撰词典的两个关键问题在于学科词条的获取和选择。
学科词条的获取：
以往的词条通常是由学科领域的专家利用其学科经验来提供，这一方面保证了学科词条的准确性，但另一方面又带来了一些问题。如个人主观性太大，难以保证词条的一致性，特别是对于那些新出现的没有定论的学科术语更是如此；个人或几个人的力量毕竟有限，很难保证词条的学科涵盖性，特别是在编撰综合性词典时，如何调动大规模的领域专家协同工作，更是一个大问题；信息化时代的到来，特别是网络的发展，使得知识更新非常快，单纯依靠专家的知识很难保证学科词条的时效性，难以及时更新。
学科词条的选择：
综合性词典和专科性词典虽然都是以学科（或题材）为纲来进行组织编排的，但侧重点不一样。综合性词典收录内容广泛，涉及多个领域，多为各学科最基本、普通的词条，较少顾及那些专业性很强的学科术语。而专科性词典则注重学科的专业性，比较注意收集专业性很强的学科术语。在专科性词典的内部，通俗性的和专业性的专科词典由于其面向的读者群不一样，二者在词条的专业性选择上也存在如上的问题。
因此，如何快速自动地获取学科分类的词条，并且区分其学科的专指度（词条的学科专业性强度）成了词典编纂的两个瓶颈问题。
利用文本分类和聚类中特征提取的方法进行词语聚类，构建了大规模的领域知识库，利用知识库中的分类的学科词语及其领域区别度来达到辅助分类词典编撰的目的。
超链接至：词语分类聚类
|
|
|
|
|