融合规则与统计的微博新词发现方法
来源：计算机应用杂志2017年第4期北京时间：
作者：周霜霜, 徐金安, 陈钰枫, 张玉洁
单位：北京交通大学 计算机与信息技术学院, 北京 100044
摘要：结合微博新词的构词规则自由度大和极其复杂的特点，针对传统的C/NC-value方法抽取的结果新词边界的识别准确率不高，以及低频微博新词无法正确识别的问题，提出了一种融合人工启发式规则、C/NC-value改进算法和条件随机场（CRF）模型的微博新词抽取方法。一方面，人工启发式规则是指对微博新词的分类和归纳总结，并从微博新词构词的词性（POS）、字符类别和表意符号等角度设计的微博新词的构词规则；另一方面，改进的C/NC-value方法通过引入词频、邻接熵和互信息等统计量来重构NC-value目标函数，并使用CRF模型训练和识别新词，最终达到提高新词边界识别准确率和低频新词识别精度的目的。实验结果显示，与传统方法相比，所提出的方法能有效地提高微博新词识别的F值。
关键词：微博新词,构词规则,统计量特征,C/NC-value方法,条件随机场模型
基金资助：国家自然科学基金资助项目（61370130，61473294）；中央高校基本科研业务费专项资金资助项目（2014RC040）；科学技术部国际科技合作计划项目（K11F100010）。
