论文部分内容阅读
本文提出一种新词语识别新方法。该方法直接抽取分类网页上人工标引的关键词，并按照其网页栏目所属类目存储进各分类词表，从而快速完成新词语识别和聚类任务。该方法简单快捷。我们利用该方法从15类6亿字网页中抽取到229237个词条，其中新词语175187个，新词率为76．42％，其中游戏类新词率最高，时政-社会类新词率最低。新词语以命名实体为主，结构固定，意义完整性和专指性强，有助于解决歧义切分和未登录词问题，并能提高文本表示如分类和关键词标引的效果：