中国姓名和地名自动识别系统的研究(三)

 表2.7 频率最高的前十个地名中字表
地名用字               首字频次 中字频次 尾字频次 总次数
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
庄          47 1558 515 2120
桥         159 1277 1401 2837
城         382 1249 190 1821
溪          91 1181 247 1518
 表2.8 频率最高的前十个地名尾字表
地名用字 首字频次 中字频次 尾字频次 总次数
乡       8 119 36115 36242
镇       121 188 11667 11976
山         227 2871 3725 6823
河         299 2149 2501 4949
县           3 86 1759 1848
桥         159 1277 1401 2837
村           8 939 1275 2222
区           0 16 1141 1157
场        13 322 976 1302
库         93 137 784 1014

 表2.9  频率最高的前十个地名用字表
地名用字 首字频次 中字频次 尾字频次 总次数
乡 8 119 36115 36242
镇  121 188 11667 11976
山   227 2871 3725 6823
河       229 2149 2501 4949
家   8 4285 240 4533
大     3134 805 2 3941
桥     159 1277 1401 2837
水   410 2001 182 2593
子  47 1627 782 2456
龙    1169 1064 37 2270
● 地名的上下文信息
 与中国姓名识别中采用的方法相似，我们从大规模真实文本中统计产生中国地名的左右指界词集，并按照指界词与地名的共现频率划分指示级别。级别从高到低依次为l级、2级、3级、O级(无边界) [14]，表2.10和表2.11分别列出了中国地名的左边界信息和右边界信息。
 表2.10 中国地名的左边界信息
边界级别 类型 实例 
1 1级左指界词、地名、地名指代     “原籍”、“开赴” “**省/平邑县” “该县/黄田镇…”
2 2级左指界词、句首 “靠近”、“荣获”
3 3级左指界词 “走访”、“凭借”
 表2.11 中国地名的右边界信息
边界级别 类型 实例  
1 l级右指界词、地名、地名指代 “高原”、“边界” “平邑县/**村”“…**、高碧/等4乡”
2 2级右指界词、句末标点 “筹建”、“郊外”
3 3级右指界词 “推行”、“物价” 
2.2.2  基于规则的地名识别方法中的相关资源
 汉族地名在大规模真实文本中出现的基本上是县级及其以上的地名，动态出现的非常少，所以，在地名动态识别过程中，我们可以将县级及其以上的地名都收录到静态的词表中，就基本上解决了绝大部分汉族地名识别的问题。然后再对极少数地名做动态识别[15] [16]。
 从地名构成上来看，可以把地名拆分为地名核心成分和地名尾两部分。
 例如：地名“浙江省”就是由地名核心成分“浙江”和地名尾“省”组成的，同样地，地名“安苑路”是由地名核心成分“安苑”和地名尾“路”组成的。但是，作为地名标志的“省”和“路”有时候在文本中是不出现的，也就是当我们只说“浙江”时，大家也知道是“浙江省”。
 某些中国地名遵循一定的构词规则，主要如下：
  【a】 单字姓氏+“家”+地名后缀      如：“赵家楼、蔡家坡”
  【b】 数词+“里”+地名后缀          如：“三里屯、五里坪、十八里铺”
  【c】 实体名词+地名后缀             如：“葫芦岛、天鹅湖、狼牙山”
2.3  相关程序设计的技术
 Visual Basic 是新型的计算机程序设计语言，与传统程序设计语言相比，Visual Basic 有许多特点，最突出的特点是可视化，事件驱动和交互式。
可视化
 使用传统的计算机高级语言开发应用程序，应用程序界面都需要程序员编写语句来实现。对于图形界面的应用程序，只有在程序运行是才能看到效果，一旦不满意，还需要修改程序，所以开发工作非常繁杂。
 Visual Basic是Windows 环境下的应用程序开发工具，用它开发应用程序主要有两部分工作：设计界面和编写代码。Visual Basic似乎可视化程序开发工具，在开发过程中看到的界面，与程序运行是的界面基本相同。同时Visual Basic 还想程序员提供了若干界面设计所需要的对象（称为控件），程序员在设计界面是，只要将所需要的控件放到窗口的指定位置即可，整个界面设计过程基本不需要编写代码。
事件驱动
 在传统的或“过程化”的应用程序中，应用程序自身控制了执行哪一部分代码和按何种顺序执行代码。程序从第一行代码执行并按应用程序中预定的路径执行，必要是调用过程。
 用Visual Basic 开发的应用程序，代码不是按照预定的路径执行，而是在响应不同的事件是执行不同的代码片段。事件可以由用户操作触发，也可以由来自操作系统或其他应用程序的消息触发，甚至由应用程序本身的消息触发。这些时间的顺序决定了代码执行的顺序，因此应用程序每次运行是所经过的代码的路径都是不同的。
 因为事件的顺序是无法预测的，所以在代码中必须对执行的“各种状态”作一定的假设。当作出某些设计时，应组织好应用程序的结构，以确保该假设始终有效。在执行中代码也可以触发事件。如果原来的假设该事件仅能有用户的交互操作所触发，则可能会产生意料外的结果。
交互式
 传统的应用程序的开发过程可以分为3个明显的步骤：编码，编译和测试代码。但是Visual Basic 与传统的语言不同，它使用交互式方法开发应用程序，使3个步骤之间不再有明显的界限。
 在C ，Pascal 等语言里，如果编写代码是发生了错误，则在开始编译应用程序时该错误就会被翻译器捕获，此时必须查找并改正错误，然后再次进行编译，对每一个发现的错误都要重复这样的过程。Visual Basic 在编程者输入代码是便进行解释，实时捕获并突出显示大多数语法或拼写错误，看起来像一位专家在监视代码的输入。
 除实时捕获错误以外，Visual Basic 也在输入代码时部分地编译该代码，当准备运行和测试应用程序是，只需要段时间即可完成编译。如果编译器发现了错误，则将错误突出显示于代码中，这时可是更正错误并继续编译，而不是从头开始。

首页 上一页 1 2 3 4 下一页 尾页 3/4/4