XJIPC OpenIR  > 多语种信息技术研究室
基于多策略的维吾尔文网页识别方法
阿力木·木拉提; 艾孜尔古丽; 杨雅婷; 李晓
2017
Source Publication中文信息学报
ISSN1003-0077
Volume31Issue:1Pages:133-139
Abstract

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。

Keyword维吾尔文 网页识别 N-gram方法 常用词 向量空间模型
Indexed ByCSCD
CSCD IDCSCD:5949611
Citation statistics
Document Type期刊论文
Identifierhttp://ir.xjipc.cas.cn/handle/365002/4741
Collection多语种信息技术研究室
Affiliation1.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
Recommended Citation
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.
Files in This Item:
File Name/Size DocType Version Access License
基于多策略的维吾尔文网页识别方法.pdf(380KB)期刊论文作者接受稿开放获取CC BY-NC-SAView Application Full Text
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[阿力木·木拉提]'s Articles
[艾孜尔古丽]'s Articles
[杨雅婷]'s Articles
Baidu academic
Similar articles in Baidu academic
[阿力木·木拉提]'s Articles
[艾孜尔古丽]'s Articles
[杨雅婷]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[阿力木·木拉提]'s Articles
[艾孜尔古丽]'s Articles
[杨雅婷]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: 基于多策略的维吾尔文网页识别方法.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.