本文設計并實現(xiàn)了領域漢語理解中的智能分詞及聚類模型,并將其應用于機械產(chǎn)品的設計過程,依托整個領域漢語理解系統(tǒng)實現(xiàn)了自然語言形式描述的用戶設計要求到計算機能夠識別的概念設計要求或設計參數(shù)的轉化。 首先,分析了現(xiàn)有的分詞系統(tǒng)設計的優(yōu)點及其存在的不足,提出了基于系統(tǒng)論的機械分詞和基于語義理解的分詞相結合的智能分詞模型。將智能分詞模塊嵌入到整個領域漢語理解系統(tǒng)中,在機械分詞階段提供所有可能的分詞結果,并進行詞法分析級別的歧義排除,在后續(xù)的漢語理解系統(tǒng)的語義分析模塊中排除存在語義歧義的分詞結果,最后利用體現(xiàn)其智能性的反饋模塊將理解結果反饋回分詞詞庫,實現(xiàn)分詞系統(tǒng)和整個自然語言理解系統(tǒng)的自我完善及良性互動。其次,將聚類分析應用于領域漢語理解系統(tǒng)的領域劃分模塊中,完成對分詞結果的領域定位。同時將詞匯聚類系統(tǒng)運用于領域漢語理解系統(tǒng)的反饋模塊中,用理解完畢后,自動建模之前的準分詞結果對詞匯聚類系統(tǒng)進行訓練,使其逐步完善,最終完成對分詞詞庫的詞匯聚類,提高分詞及領域漢語理解的準確性和效率。最后,結合實際將領域漢語理解及其智能分詞和聚類分析系統(tǒng)應用在機械產(chǎn)品設計的用戶需求分析領域,通過系統(tǒng)測試,結果比較令人滿意。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2006
【中圖分類】：TH122
【部分圖文】：

領域漢語理解中的智能分詞和聚類及其在機械產(chǎn)品設計中的應用設計，使分詞系統(tǒng)獲得增量式的良性發(fā)展，從而使整個自然語言理解系統(tǒng)隨著使用越來越完善。本文在綜合分析各種分詞方法的優(yōu)缺點基礎上，決定采用一面向語義的并結合領域分詞本體知識庫的智能分詞方法。.2.2 智能分詞模型的建立上面介紹了本分詞系統(tǒng)的核心設計思想，在此核心思想的指導下，設計了本詞系統(tǒng)的具體模塊：句段切分模塊、機械分詞模塊、未登錄詞的處理模塊、基聚類的領域辨識模塊、領域內的自然語言理解模塊、未登錄詞召回模塊、詞匯類模塊、詞庫管理系統(tǒng)模塊。下面以流程圖的形式介紹一下本分詞系統(tǒng)的模塊計及組織結構，如下圖 圖 3.2 所示：句段切分模

本領域漢語理解系統(tǒng)的領域劃分模塊決定采用聚類的漢語語料對象的領域劃分和定位問題。進而在后利用所確定的領域的領域知識，提高理解的準確性中的聚類分析模型的建立劃分（辨識）模塊的位置位于第一階段分詞模塊之的分詞結果之上的，所以它面向的對象是分詞之后出這些詞匯對象所隱含的領域特征，將他們定位于一步的領域漢語理解的領域性知識的使用成為可能所示，直觀的反映了領域劃分模塊在整個漢語理解句段切分模
【引證文獻】

相關碩士學位論文 前1條

1 周泓;基于統(tǒng)計面向領域的分詞研究以及在產(chǎn)品設計中的應用[D];西安電子科技大學;2010年

本文編號：2889133