基于语义的中文句子的直接生成方法

给出一种基于知识机器翻译系统的中文句子的生成方法．这种方法根据中文的特点，从语义的中间语言表达式直接生成中文短语或句子，因此省却了中间语言到句法结构的变换步骤，简化了生成过程．

基于词语热度的启发式中文句子压缩算法

传统的句子压缩方法多基于难以获得的"原句-压缩句"对齐语料库,因此提出了不依赖于对齐语料库的中文句子压缩算法。通过研究人工压缩结果并结合语言学知识,提出了词语层面和分句层面的两组压缩规则。算法在原句句法分析树和词语间依赖关系的基础上,使用两组规则进行压缩,同时为了保证压缩算法具有更强的适应性和准确性,引入词语的热度加强了压缩算法,最后通过句子整理和语法修复得到最终的压缩句。对比了人工压缩、只使用规则压缩和引入词语热度压缩三种压缩方法。实验结果表明,基于热度的启发式中文句子压缩算法可以在压缩比、语法性、信息量都损失较少的情况下,提高压缩句的热度。

采用拼音表记的语法分析型复数文节的中文句子输入系统

本文介绍了拼音句子变换的中文输入方法。其处理过程为输入拼音流、系统利用词典查询、单词切分、语法分析、学习功能等技术实现了拼音汉字整句变换。

中文句子评价对象抽取的特征分析研究

针对中文的语料,采用基于条件随机场的方法,在词、词性特征的基础上结合最近名词、句法依赖关系和句子倾向性等特征,分析不同特征对于评价对象抽取的影响.实验结果表明,结合了词、句子倾向性、词性、语法依赖关系、邻近名词等特征的条件随机场方法对于中文句子评价对象的抽取更有效.

结合领域知识的中文句子评价对象抽取

针对评价对象存在领域相关性这一特点,在条件随机场模型中结合领域词词典特征进行中文句子评价对象的抽取,然后利用领域规则对抽取结果进行处理.针对COAE2011任务三标注语料的抽取实验结果表明,结合领域词词典和领域规则对于利用线性链、跳跃链和层叠条件随机场模型的中文句子评价对象抽取方法可以有效地提高抽取的精度,并抽取出更多的评价对象.

中文句子倾向性分析

针对句子的倾向性进行判断,采用SentiWordNet构建中文倾向性词表,通过剔除停用词等降低句子向量的维数,以此来提高句子向量化速度,然后利用支持向量机分类器进行句子倾向性判断,最后提出两种新的置信度计量方法对倾向性句子进行排序.实验结果表明,构建的识别系统在一定程度上能有效识别倾向性句子.

无关言语对阅读的干扰基于内容还是过程?——来自眼动研究的证据

采用眼动追踪技术,考察无关言语对句子材料相同的自然阅读和校对阅读的影响,探讨无关言语对阅读的干扰机制是基于内容还是基于过程。结果发现,有意义言语显著干扰了正常的阅读行为,而无意义言语与无背景音条件不存在显著差异。并且背景言语类型与任务类型的交互作用显著,表现为言语的语义成分只干扰了自然阅读,而对校对阅读没有影响。实验结果支持过程干扰假说。

基于非负矩阵分解的中文倾向性句子识别

提出一种基于非负矩阵分解(NMF、SNMF和WNMF)的中文倾向性句子识别算法.该算法首先构建倾向性特征矩阵,然后通过NMF、SNMF和WNMF算法分别来降维、提取潜在语义,最后采用支持向量机分类器识别中文倾向性句子.实验结果表明,与PCA和SVD相比,NMF、SNMF和WNMF算法能有效地降低维度、提取潜在语义,并提高倾向性句子识别的精度.

基于词对齐模型的中文评价对象与评价词抽取

提出一种基于统计机器翻译的思想抽取评价对象与评价词的方法。该方法利用词对齐模型抽取评价对象与评价词之间的关系,并结合词共现信息等特征来估计两者关系的强度。建立一张二分图刻画评价关系,并加入领域相关性度量,利用随机游走算法迭代计算候选评价对象与评价词的置信度。在COAE2011任务3的语料上进行试验验证。结果表明,利用词对齐模型抽取评价对象与评价词可以有效提高准确度,抽取出更多的评价对象与评价词。