摘要
在面对中文语言环境下组织机构名简称-全称匹配这一具体问题时,经典的基于编辑距离进行字符串相似匹配方法的实用性有所下降。基于编辑距离的思想,提出了一种改进匹配算法:首先对简称和全称进行分词,以切合中文的语法结构特点;之后结合重定义的词汇语义相似度度量方法,修改编辑操作权重,并通过自适应学习的方式进一步修正;最后选择与简称编辑距离最小的全称作为匹配结果。实验结果表明,该算法匹配准确率比原始方法有较大提升。
When dealing with the specific problem of a Chinese organization′s full name and matching abbreviation,the traditional string matching algorithm based on edit-distance performs poorly.A new algorithm,also based on edit-distance,was provided.The improvements include the following steps：（1） making the Chinese word segmentation fit the Chinese grammatical structure features,（2） modifying the edit-operation weights with the redefined semantic similarity,（3） adjusting these weights by adaptive learning,and（4） choosing the full name with minimum edit-distance as the matching result.Experimental results show that our algorithm can effectively achieve higher abbreviation-full name matching accuracy.
出处
《山东大学学报（理学版）》
CAS
CSCD
北大核心
2012年第5期43-48,共6页
Journal of Shandong University(Natural Science)
基金
国家"八六三"高技术研究发展计划基金资助项目(2009AA01Z136)
国家自然科学基金资助项目(90812001)
国家教育部"211工程"中国高等教育文献保障系统(CALIS)三期建设项目
关键词
文本挖掘
机器学习
编辑距离
组织机构名
简称-全称匹配
text mining
machine learning
edit distance
organization name
abbreviation-full name match
作者简介
作者简介：黄林晟（1988-），男，硕士研究生，主要研究方向为数字图书馆和数字博物馆．Email：lshuang1101@gmail．com
