中文信息学报汉语文本形式结构分析及其标引算法-山西大学.PDF

维普资讯 中 文 信 息 学 报 第 16卷 第2期 JOURNALOFCHINESEINFORMATIONPROCESSING Vo1．16No．2 汉语文本形式结构分析及其标引算法 单永明 【山西大学计算机科学系 太原 030006) 摘要：本文n形式化的缸度计诗了汉语文本的彤式蛄构及有关的基本概念，给出了文本的标题、子标题、 段落及其层次结构的一种划分与标记方法 ，提 出了规范的与准规 范的文本等概念 ，并 以此为基础讨论了文本 形式结构的标 引问题 ，给 出了两个标 引算法。本文阐明的方法和结果对汉语文本的奎文文本标 引厦结构化分 析具有直接的现卖意义= 关键词 ：中文信息处理 ；文本结构分析 ；标 引树；自动标引算法 中圈分类号 ：TP3911 FormalAnalysesofChineseTextStructureandItsIndexingAlgorithm SHAN Yong-ming (DepartmemofComputerScience SharadUniversity T yuaIlg 030006) Abstract：Inthepaper，wediscusschinesetex[structurefronlthepointofview offormalization Formaldesc pdons fortheheading，subheadingandparagraphaswellastheirstructuralrehtionsinatextarepresentandasystematic tagging methodforchinesetextstrLtctllreisproposedAndthen，Weintroducetheconceptioosofthertol-maltxetand quasi—norm,a[text thebellsofhtese．indexingalgorithm forfonm lchinesetextstructuresidi~ tssedThemeth． otisandresultspresentedinthepaperare。fdirectaI1dpractical gnicanoeforM ltxetindexingand stmctura]ana1． ysesandprocesees。fchinesetxet Key ：Chineseinfommfionprocessing；txetstructureana1)ms；indexlng-tme；autc~rmticindexingalgorithm 在汉语文本的自动标引中，文本的组织结构对分析结果的综合起着重要的纽带作用，本文 在给出了文本形式描述 的的基础上 ，探讨 了文本形式结构 的一些基本概念 ，提 出了规范 的与准 规范的文本等分类概念，并以此为基础讨论 了文本形式结构 的标引问题 ，给出了两个标引算 法 。本文的研究是在文 [1]基础上的继续 一 、 文本及其文本结构的形式描述 我们将汉语文本 (以下简称文本)中的标题 (包括文本 的题 目)、自然段、图、表等看做单位 元素。若以 表示文本中的单位元素，符号 “l”表示文本 中的 “另起一行”运算，则我们可给 出文本 的形式定义如下 ： 定义 l 文本 个文本是由若干单位元素经 l运算而得到的有序序列。由 个 (≥1)单位元素经 l 运算而得到的文本 text可表示为 ： 收稿 日期 ：200l一08一 作者单永明．男 ．1958年生 ．硕士 ，副教授 ，研究方向为中文信息处理 14 维普资讯 text= 01 1I 2… {