一个自动分词分类系统的实现

本文介绍一个自动分词分类系统的实现过程。该系统采用“后控词表分词法” ,解决了词典分词法中词典构造困难、更新滞后的问题 ,提高了主题词标引的质量和效率 ,并通过对词表分类法的完善和优化 ,使自动分类的结果达到了实用水平     

基于Hash算法的中文分词的研究

通过对已有算法的分析,提出一种新的词典结构,并根据词典给出分词算法。理论和实验证明,算法在速度和效率上有很大的提高。     

微机辅助文献标引系统的设计与研究 3. 自动标引研究

在微机辅助文献标引系统中引入了自动标引方法, 进一步提高了标引的速度和质量。自动标引的基本思想是: 以机内主题词典为依据, 采用遍历扫描和相似性匹配两种方法, 从标题和文摘中抽词, 本文介绍了这一自动标引技术, 并对自动标引的结果进行了分析和讨论。     

WD-ZBJ中文文献自动标引检索系统

本系统是在IBM-PC机上应用dbaseⅢ实现的。具有自动标引、机编索引、联机检索和定题服务等功能。采用“关键词的部件词一尾续词词典”和“非关键词部件词词典”对篇名（或文摘等）进行自动抽取关键词。其主要特点是采用“关键词规范化词典”对关键词进行规范处理，使同义词规范化，使同一族的一组词相对集中，显著提高了自动标引质量，从而提高了关键词法的检索效率。     

基于EMM中文抽词算法的XMARC主题信息挖掘

本文在分词词典上采用区间最大词长,改进正向减字最大匹配法为“词首 长词匹配 短词推进”自动标引方法,从而有效地减少领域的分词歧义性和缩短标引时间。最后将该研究付诸于XMARC主题信息的挖掘与检索的实现,并证明其在时间和质量综合性能上的优越性。     

网络环境信息标引的测评与比较研究

网络环境下,文献信息具有数量多、增长快、新词层出不穷等特点。标引是对信息资源进行组织的有效手段和重要环节,标引的质量和效率直接影响信息组织的质量和速度。对受控标引、自由标引和自动标引三种标引方式进行了相符度、专指度、标引深度及通用词数的测试对比.得出自由标引优于受控标引,自动标引优于自由标引及受控标引的结论。     

全二分快速自动分词算法构建

分析现有分词算法存在的不足，在此基础上提出一种新的分词词典，通过为分词词典建立首字Hash表和词索引表两级索引，使得该分词词典支持全二分最大匹配分词算法，利用该分词算法进行自动分词，其时间复杂度实现了大的改善。     

基于哈希算法的中文分词算法的改进

中文分词是中文信息处理一个重要的部分,一些应用不仅要准确率,速度也很重要,通过对已有算法的分析,特别是对快速分词算法的分析,本文提出了一种新的词典结构,并根据新的词典给出了新的分词算法,该算法不仅对词首字实现了哈希查找,对词余下的字也实现哈希查找。理论分析和实验结果表明,算法在速度和效率比现有的几种分词算法上有所提高。     

也谈单汉字标引法

单汉字标引法是在基于汉语分词的自动标引研究遇到不可克服的困难之后，而产生的一种新的自动标引方法。本文集中列举了它的9大优点，同时也指出了它的缺点和不足，呼呈学术界加强研究，以期使之更加完善和实用。     

中文网页信息标引技术及其在内容搜索中的应用

本文论述网络环境下中文网页信息的自动标引技术，具体研究分析了面向信息检索的自动分词与词表技术，提出了一个中文网页自动标引的改进方案，以更好地实现中文网络信息资源的自动处理，最后从文档到知识转变的视角，研究第三代网页内容搜索中应用中文信息自动标引的技术问题。     

基于多词表的自动标引技术研究——新华社新闻稿自动标引的实验

避开汉语分词中的技术特点 ,转向基于多词表自动标引抽词研究是当前中文信息自动主题与分类标引可以采取的一种策略 ,也是最为可行的方法。本文以新华社新闻稿中的题名和导语为对象 ,详细介绍了基于多词表自动标引技术中的词表构建、自动抽词、主题标引和自动分类等技术。并成功设计了新闻信息自动标引的实验系统 ,取得了较好的效果。     

实用机助标引──文献前处理自动化研究之三

本文提出了用机器辅助受控联机标引的方案，采用了由受控词与部分关键词构成的混合型系统词库的动态生成技术。在汉字分词技术与智能型全自动标引尚未成熟的情况下，实为一种提高标引工作效率、加快自建库速度的实用的好方法。     

中文文本关键词自动抽取方法研究

随着信息技术的发展,中文电子文本信息资源正以惊人的速度急剧增长.文本自动处理技术,通过自动组织海量文献信息资源,能够为用户提供简易有效的信息检索服务.关键词自动抽取是文本自动处理的基础和核心.汉语的特殊性加剧了中文文本关键词自动抽取的难度.本文提出了一种基于N-gram权重计算和关键词筛选算法的中文文本关键词自动抽取方法.该方法不依赖特定的数据集和中文分词技术,可以有效地抽取出任意单篇文本的关键词,而且通过参数调整,应用系统可以灵活地控制标引深度和标引专指度.实验表明,该方法简单、快速、断词错误率低,标引性能明显优于基于中文分词和TF/IDF的方法,可以满足大规模文本的在线处理要求.     

一种基于数字图书馆的文本信息标引技术的改进研究

研究构建了具有位置信息控制的特义禁用词语义环境，进而运用于中文文献元数据CXMARC文本的自动标引和主题信息的数据挖掘，其中研究设计的预处理特义中文禁用字词切分算法SWF，能有效地减少领域的分词歧义性和缩短标引时间，从而改进了传统最大匹配MM算法的自动标引质量和效率。     

汉语科技文献自动标引系统CADAIS

本文主要介绍利用微机通用管理系统ISIS的PASCAL语言开发的并集成于该系统的“汉语科技文献自动标引系统CADAIS”的系统构成，功能，自动标引原理，词典结构与建立方法，标引算法和实验情况等。     

基于反序词典的中文逆向最大匹配分词系统设计*

介绍几种常见的分词算法，在改进传统的反序词典、优化逆向最大匹配算法的基础上，设计并实现基于逆向最大匹配的中文分词系统，试验证明速度和精度都有显著提高。     

网络环境信息标引的测评与比较研究

网络环境下,文献信息具有数量多、增长快、文献信息中的新词层出不穷等特点。标引是对信息资源进行组织的有效手段和重要环节,标引的质量和效率直接影响信息组织的质量和速度。为了比较受控标引、自由标引和自动标引三种标引方式的标引性能,本文从定量的角度对三种标引方式的相符度、专指度、标引深度及通用词数进行了测试对比,并分析了它们的综合性能。最后,分析讨论了网络环境下文本信息标引方式的选择和发展趋势。表5。图1。参考文献9。     

自动抽词与自动分词

自动抽词与自动分词既有紧密联系又有重大差别。自动抽词标引除编制题内关键词索引外，至今没有突破性进展，主要是检准率太低。本文指出自动抽词标引研究注重在各种更有效的算法的寻找，而忽视对相关问题的深入、系统的研究，是其进展缓慢的重要原因之一，并具体列举了一些相关问题。     

档案主题标引实用算法

本文介绍了档案文献主题词自动标引算法，该算法合理地构造了主题词切分词典，并将切分关键词和标引主题词的实现过程融为一体，使标引与检索算法变得简单清晰。本文还给出了主题词切分词典的维护算法，以及自动扩缩检算法。利用本算法思路编制的软件已用于实际的档案管理系统中。     

关于中医临床文献自动主题标引系统的研究

中医临床文献自动主题标引系统针对中医药文献的特点，结合手工标引和自动标引的长处，在自动标引的基础上，再由人工利用计算机辅助对机器自动标引的结果进行干预，从而在真正意义上将计算机的快速、准确和人脑的智慧结合起来，大大缩短了建设数据库的中间过程，提高了文献标引的质量和效率。