基于最大熵模型的学术缩写自动识别

摘要：

为实现海量英文学术文本中缩写词及对应缩写定义的识别，本文提出了一种自动缩写识别算法MELearn-AI。该算法在人工标注数据集的基础上，从序列标注的角度，通过最大熵模型实现了计算机领域英文学术文本中的自动缩写识别。MELearn-AI在本文构建的评测数据集“Paren-sen”上得到了95.8%的查准率和86.3%的查全率，相对于其他两组对照实验的效果有较为明显的提升。本文提出的自动缩写识别方法能够在计算机领域的学术文本上取得令人满意的效果，有助于更好地理解并利用该领域术语。

关键词：学术文本、缩写、机器学习、序列标注、信息抽取

分类号：G203(信息与传播理论)

资助基金：国家自然科学基金，“基于语言模型的通用实体检索建模及框架实现研究”项目编号71173164支持。

在线出版日期：2015-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：64-72