英文光学字符识别的后处理

总结了英文光学字符识别(OCR)系统中的常见错误类型,论证了使用拼写检查技术发现错误的可能性.以最相似单词替换OCR的错误输出,从而达到改正错误的目的.利用编辑距离实现词汇相似性评估,并用动态规划技术优化了编辑距离的计算.试验结果证明该方法可以使OCR系统的单词识别率提高6.25%.     

词义演化的计算方法

从大规模真实文本中挖掘词义关系是自然语言学习的一项艰巨任务。词义不是静态、一成不变的,随着时代的发展,词义也在不断变迁。如何从错综复杂的词义变迁中,挖掘词义演化的基本规律,准确发现词义的各种变化,并给出量化的分析和建立数学模型,是一个急待解决的问题。根据词语的上下文搭配词分布情况来定义该词的词义,提出一种基于动态语料库的词义演化计算方法统计词义在23年《人民日报》中的分布信息,计算词义在各个时段的变化值,构造词义的演化曲线,并提出一种基于X2分析的方法来挖掘词语的搭配词与时间之间的相关关系。