基于规则的中文时间表达式识别与规范化

为了解决文本时间表达式的识别与规范化问题,针对时间表达式在形式上的多样性与非结构化,提出了对时态元素进行刻画的思想,划分时间表达式类别及规范形式;在此基础上,采用正则表达式与Trie树结构相结合的方式构建出时间短语识别树,自动进行中文时间表达式的识别与分类;最后,提出规范化算法与修正算法处理识别后的结果,得到规范化形式。以中文语料进行实验,中文表达式识别与规范化工作达到较好的效果。     

中文时间关键词识别研究

时态信息广泛应用在自然语言处理、信息检索等领域,而时间关键词识别更是时态信息应用的关键,其直接影响到时态信息的使用。时间信息在文本或句中形式多样性、位置随意性以及边界不确定性等特点称为时间关键词识别任务中的难点。为了解决中文时间关键词的识别问题, 通过分析文本语句结构并结合语法结构树, 提出短语划分方法, 将文本转换成短语集从而确定短语边界; 在此基础上, 提出短语向量化表示法,以此构建向量空间; 最后,引入谱聚类的聚类思想, 将识别问题转化为聚类问题. 实验证明, 运用该方法进行中文时态关键词识别,具有较好的效果.