中國姓名和地名自動識別系統的研究(三)

 表2.7 頻率最高的前十個地名中字表
地名用字               首字頻次 中字頻次 尾字頻次 總次數
家  8 4285 240 4533
山       227 2871 3725 6923
河     299 2149 2501 4949
水       410 2001 182 2593
族         0 1676 0 1676
子         47 1627 782 2456
莊          47 1558 515 2120
橋         159 1277 1401 2837
城         382 1249 190 1821
溪          91 1181 247 1518
 表2.8 頻率最高的前十個地名尾字表
地名用字 首字頻次 中字頻次 尾字頻次 總次數
鄉       8 119 36115 36242
鎮       121 188 11667 11976
山         227 2871 3725 6823
河         299 2149 2501 4949
縣           3 86 1759 1848
橋         159 1277 1401 2837
村           8 939 1275 2222
區           0 16 1141 1157
場        13 322 976 1302
庫         93 137 784 1014

 表2.9  頻率最高的前十個地名用字表
地名用字 首字頻次 中字頻次 尾字頻次 總次數
鄉 8 119 36115 36242
鎮  121 188 11667 11976
山   227 2871 3725 6823
河       229 2149 2501 4949
家   8 4285 240 4533
大     3134 805 2 3941
橋     159 1277 1401 2837
水   410 2001 182 2593
子  47 1627 782 2456
龍    1169 1064 37 2270
● 地名的上下文信息
 與中國姓名識別中采用的方法相似，我們從大規模真實文本中統計產生中國地名的左右指界詞集，并按照指界詞與地名的共現頻率劃分指示級別。級別從高到低依次為l級、2級、3級、O級(無邊界) [14]，表2.10和表2.11分別列出了中國地名的左邊界信息和右邊界信息。
 表2.10 中國地名的左邊界信息
邊界級別 類型 實例 
1 1級左指界詞、地名、地名指代     “原籍”、“開赴” “**省/平邑縣” “該縣/黃田鎮…”
2 2級左指界詞、句首 “靠近”、“榮獲”
3 3級左指界詞 “走訪”、“憑借”
 表2.11 中國地名的右邊界信息
邊界級別 類型 實例  
1 l級右指界詞、地名、地名指代 “高原”、“邊界” “平邑縣/**村”“…**、高碧/等4鄉”
2 2級右指界詞、句末標點 “籌建”、“郊外”
3 3級右指界詞 “推行”、“物價” 
2.2.2  基于規則的地名識別方法中的相關資源
 漢族地名在大規模真實文本中出現的基本上是縣級及其以上的地名，動態出現的非常少，所以，在地名動態識別過程中，我們可以將縣級及其以上的地名都收錄到靜態的詞表中，就基本上解決了絕大部分漢族地名識別的問題。然后再對極少數地名做動態識別[15] [16]。
 從地名構成上來看，可以把地名拆分為地名核心成分和地名尾兩部分。
 例如：地名“浙江省”就是由地名核心成分“浙江”和地名尾“省”組成的，同樣地，地名“安苑路”是由地名核心成分“安苑”和地名尾“路”組成的。但是，作為地名標志的“省”和“路”有時候在文本中是不出現的，也就是當我們只說“浙江”時，大家也知道是“浙江省”。
 某些中國地名遵循一定的構詞規則，主要如下：
  【a】 單字姓氏+“家”+地名后綴      如：“趙家樓、蔡家坡”
  【b】 數詞+“里”+地名后綴          如：“三里屯、五里坪、十八里鋪”
  【c】 實體名詞+地名后綴             如：“葫蘆島、天鵝湖、狼牙山”
2.3  相關程序設計的技術
 Visual Basic 是新型的計算機程序設計語言，與傳統程序設計語言相比，Visual Basic 有許多特點，最突出的特點是可視化，事件驅動和交互式。
可視化
 使用傳統的計算機高級語言開發應用程序，應用程序界面都需要程序員編寫語句來實現。對于圖形界面的應用程序，只有在程序運行是才能看到效果，一旦不滿意，還需要修改程序，所以開發工作非常繁雜。
 Visual Basic是Windows 環境下的應用程序開發工具，用它開發應用程序主要有兩部分工作：設計界面和編寫代碼。Visual Basic似乎可視化程序開發工具，在開發過程中看到的界面，與程序運行是的界面基本相同。同時Visual Basic 還想程序員提供了若干界面設計所需要的對象（稱為控件），程序員在設計界面是，只要將所需要的控件放到窗口的指定位置即可，整個界面設計過程基本不需要編寫代碼。
事件驅動
 在傳統的或“過程化”的應用程序中，應用程序自身控制了執行哪一部分代碼和按何種順序執行代碼。程序從第一行代碼執行并按應用程序中預定的路徑執行，必要是調用過程。
 用Visual Basic 開發的應用程序，代碼不是按照預定的路徑執行，而是在響應不同的事件是執行不同的代碼片段。事件可以由用戶操作觸發，也可以由來自操作系統或其他應用程序的消息觸發，甚至由應用程序本身的消息觸發。這些時間的順序決定了代碼執行的順序，因此應用程序每次運行是所經過的代碼的路徑都是不同的。
 因為事件的順序是無法預測的，所以在代碼中必須對執行的“各種狀態”作一定的假設。當作出某些設計時，應組織好應用程序的結構，以確保該假設始終有效。在執行中代碼也可以觸發事件。如果原來的假設該事件僅能有用戶的交互操作所觸發，則可能會產生意料外的結果。
交互式
 傳統的應用程序的開發過程可以分為3個明顯的步驟：編碼，編譯和測試代碼。但是Visual Basic 與傳統的語言不同，它使用交互式方法開發應用程序，使3個步驟之間不再有明顯的界限。
 在C ，Pascal 等語言里，如果編寫代碼是發生了錯誤，則在開始編譯應用程序時該錯誤就會被翻譯器捕獲，此時必須查找并改正錯誤，然后再次進行編譯，對每一個發現的錯誤都要重復這樣的過程。Visual Basic 在編程者輸入代碼是便進行解釋，實時捕獲并突出顯示大多數語法或拼寫錯誤，看起來像一位專家在監視代碼的輸入。
 除實時捕獲錯誤以外，Visual Basic 也在輸入代碼時部分地編譯該代碼，當準備運行和測試應用程序是，只需要段時間即可完成編譯。如果編譯器發現了錯誤，則將錯誤突出顯示于代碼中，這時可是更正錯誤并繼續編譯，而不是從頭開始。

首頁 上一頁 1 2 3 4 下一頁 尾頁 3/4/4