中国语言文字论文_古汉语自动分词技术研 - 古汉语研究杂志社投稿_期刊论文发表|版面费|电话|编辑部- 古汉语研究

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

中国语言文字论文_古汉语自动分词技术研

作者:

关键词:

摘要：

文章目录

一、古汉语分词的关键问题

（一）分词粒度界定

（二）未登录词处理

（三）分词歧义消解

二、基于词典和统计的分词方法

（一）基于分词词典的分词方法

（二）融合统计指标的分词技术

三、基于机器学习的序列标注方法

（一）基于条件随机场模型

（二）基于马尔科夫模型

四、基于深度神经网络的分词

（一）古汉语分词常用的基础网络模型

（二）融合特征的神经网络模型

（三）预训练和后处理方式

五、研究展望

（一）扩充古汉语分词语料数据量

（二）构建适应不同领域的古汉语分词模型

（三）开发一体化模型

文章摘要:古汉语自动分词技术是实现古汉语文本深度处理的重要前提。经过多年探索，该领域已有了实质性进展。但是古汉语自动分词仍然面临一些关键问题：分词粒度界定、歧义消解和未登录词处理等。通过对基于词典和统计、机器学习序列标注以及深度神经网络模型等自动分词方法研究现状的梳理，指明充分利用深度学习技术是古汉语自动分词的未来发展趋势，并对古汉语自动分词的探索提出了三个方面的展望：扩充古汉语分词语料数据量、构建适应不同文本领域的分词模型、开发一体化模型。

文章关键词:

项目基金:《古汉语研究》网址: http://www.ghyyjzzs.cn/qikandaodu/2022/1013/665.html