论文部分内容阅读
【目的】建立未登录词识别模型，提升发现自然科学领域文本中未登录词的能力，同时降低人工干预成本。【方法】在假设的基础上，构建条件随机场（CRFs）与领域本体元素集相结合的未登录词识别模型。以生物多样性文本为样本，通过比较不同模型性能的差异，检验假设，验证模型的合理性。【结果】实验结果表明，CRFs模型选择单纯的字、字词混合序列、字词混合序列及默认词性、字词混合序列及含自定义语义功能标记的词性为特征时，未登录词识别能力依次提升。该结果证明研究假设为真，本文建立的模型科学、合理。【局限】模型标注未登录词的准确性