中文篇章级句间语义关系识别

篇章句间关系识别(Discourse Relation Recognition)是篇章分析的重要内容,该文对中文篇章句间关系识别任务进行初步探索,包括显式篇章句间关系识别与隐式篇章句间关系识别两类任务。针对显式篇章句间关系,我们提出基于关联词规则的方法进行识别,取得了很好的效果;针对隐式篇章句间关系,我们抽取词汇、句法、语义等特征,采用有指导模型进行识别。该文的分析和实验结果为后续研究提供了参考和基本对照系统。

中文篇章级句间语义关系体系及标注

篇章句间关系(Discourse Relation)是篇章级语义分析的重要内容,该文在英文篇章句间关系研究的基础上分析了中英文间的差异,总结了中文篇章级语义分析的特点,并在此基础上提出面向中文篇章句间关系的层次化语义关系体系,对句间关系类型进行详细描述。为了验证体系的合理性和完备性,我们在互联网新闻语料上进行了标注实践,分析了标注中遇到的难点并给出解决方案,为进一步的中文篇章级语义分析工作奠定基础。

基于中心语匹配的共指消解

共指消解是自然语言处理的核心任务之一。在传统机器学习方法使用的平面特征基础上,该文提出一种利用中心语信息的新方法。该方法首先引进一种基于简单平面特征的实例匹配算法用于共指消解。在此基础上,又引入了先行语与照应语的中心语字符串作为新特征,并提出一种竞争模式对将中心语约束融合进实例匹配算法,提升了消解效果。该方法与其他只使用平面特征的传统机器学习方法相比,能充分地利用每一个训练实例的特征信息,进一步融合中心语字符串特征使消解效果更加准确。

张牧宇的诗

父亲节每一座院落都有自己的故事我们推开的几座是更为寂静的院落，家禽寥寥女人言语不清，男人精瘦。

中文篇章关系任务分析及语料标注

篇章关系(Discourse Relation)是篇章语义分析的重要内容,本文在英文篇章关系研究的基础上分析了中英文间的差异,总结了中文篇章语义分析的特点,并在此基础上提出面向中文的层次化篇章关系体系,对其关系类型进行详细描述。在其基础上,研究构建包含1 096篇语料的中文篇章关系语料库,为进一步的篇章语义分析工作奠定基础。

中文篇章级句间关系自动分析

篇章级句间关系分析包括语义单元的切分和各个单元之间的语义关系识别.已有的研究主要面向英文,到目前为止,尚无可用的中文篇章级句间关系自动分析系统发布.在中文篇章关系语料库的基础上,首次实现面向中文的篇章级句间关系自动分析系统,包括语义单元切分、连词识别、显式语义关系识别以及隐式语义关系识别等.实验结果显示:该系统在显式句间关系识别上F-score为89.8%,隐式句间关系识别上F-score为55.5%.

诗人的随笔 在风中凝聚的诗意

很长时间以来,我对自己写下的诗歌处在怀疑和否定之中,就像一个拿着工具的勇士,面对庞大的汉语词汇却无从下手,怎么用都感觉是特意为之,有明显的刀斧痕迹,这令我沮丧,仿佛在做欺骗自己内心的事,也欺骗这些历经时光的词语,令它们虚华、矫饰,浮在喧器之上。意识到这一点,我停了下来,开始学习养花种草,接近它们丰富的无声世界,无限倾听内心的寂静,令自己沉淀,在这座多风的平原小城,养育诗意本身。

戏散后,再无戏上演

这些沉寂的，甚至破败的屋檐，窗棱，瓦片。