邝其照和他的《英语短语词典》

邝其照在中国词典编纂史上享有多个第一,但后人很少听说过他或他编写的词典。本文简单介绍他的生平及详细评述他在美国编写出版的《英语短语词典》。

搜索引擎用短语词典建设

百度搜索引擎分词系统中的原短语库是由统计得出,含有大量噪音。委托北京大学计算语言学研究所进行了手工整理标注。为此设计了加工规范,对短语进行了严格的定义,制定了加工操作手册,并开展了手工工程,通过严格的控制保证标注的一致性。共整理短语119 984条,噪音短语比例约占7%。当前该短语词典已应用于百度搜索引擎中,对提高检索效果和减少索引空间都起到一定作用。

《牛津短语动词词典》的特色与不足

《牛津短语动词词典》(英汉双解版)以方便学习者使用为宗旨,其宏观结构以及微观结构有其特色,同时在释义、例证翻译和例证设置方面也有其不足。

搜索引擎中“N1+N2”型短语查询优化研究

"N1+N2"作为现代汉语中常见的短语形式,亦广泛存在于搜索引擎检索用语中。以日志短语词典为基础,根据搜索日志查询串的语言特点,对包含"N1+N2"型短语的查询串进行改写,其中包括空格分割、引号加注和焦点强调方法,并对查询串粗略分类。实验结果显示:在引号加注的作用下MPA由0.362提高到0.441;导航类查询MRR值从0.64提升到0.719,信息事务类查询MRR值从0.25增加到0.344。从而验证了短语特征能够指导查询结果优化,进而提升搜索引擎性能。

评价短语的倾向性分析研究

评价短语是评价因子之一,是汉语倾向性研究的重要组成部分。评价短语可以分为"评价词+评价词"、"修饰词+评价词"、"普通词+评价词"、"修饰词+普通词"、"普通词+普通词"5类。评价短语类型不同,采用的倾向性分析策略也不同。短语计算规则和短语评价词典的互动是该文采用的基本方法。在制定短语计算规则时应遵守共性与个性相结合的原则;建立短语评价词典时应遵循最小评价因子原则。实验证明,短语计算规则与短语词典的建立提高了倾向性分析系统的准确率,是一种行之有效的方法。

搜索引擎日志短语标注规范

语料标注是语料库构建的一项重要的基础性工作。基于搜狗日志,该文借助XML文档的结构化特点,将语料标注转换成节点属性的改写,根据语料的特点,制定了一套服务于搜索引擎用短语词典构建的短语语料标注加工规范及执行原则,并对标注集及加工规范进行了详细描述。利用此规范,已完成145 645条查询词串的标注,而且标注质量很高。