口语对话中的代词指代消解

提出一套分为两步的代词指代消解算法,算法不需要人工清洗语料及预定义规则.算法第1步采用一些新特征和机器学习算法对名词性指代代词和非名词性指代(non-anaphoric)代词分类,第2步分别对两类代词进行消解.针对名词性代词指代消解,提出了适用于口语对话的特征抽取及表示方法,如代词和候选先行词的距离、语法、语义等的抽取和表示方法,然后通过综合这些特征来选择先行词.针对非名词性指代,将右边界规则(right frontier rule)改进为可以在口语对话中自动抽取的形式,并根据该规则选择先行项.在Byron于2004年发布的语料上测试,消解正确率达到77.0%,召回率达到66.0%.与Byron的工作相比,该方法在保证系统能够自动完成的同时还提高了消解性能.

论日语代词——兼与英语、汉语代词的对比

日语代词分类详尽、用法复杂。其人称代词使用率偏低,表达形式多样,与汉语、英语中的代词用法有较大差异。人称代词的特点及指示代词的多元性恰恰成了我国英语专业学习者掌握日语代词的难点。因为学习者在学习过程中普遍受到了英语、汉语代词用法对其的迁移影响。基于这种现状,对日语、英语、汉语三语代词的分类及功能作了详尽的对比分析,指出了学习者易受迁移影响的地方,目的是使学习者能有效利用正迁移,警觉负迁移影响,从而获得学习这部分内容的捷径。

俄语代词系统的语用建构

代词作为独特的词汇-语法类别,产生伊始其内在统一性就引起置疑。传统上有两种代词分类法:语法和语义分类。前者以语法范畴为主要分类依据,后者流行于学校语法中。本文从语用出发,以代词的指示功能为标准,划分俄语代词系统:核心代词指示语/纯代词指示语、篇章代词指示语/代词照应语和概念范畴代词指示语。代词的语用分类突出说话人在言语中的作用,体现言语的主观性特征。按照这种分类法,代词在说话人视野中指示由具体到抽象的各种事物和特征。根据说话人的认知程度,运用不同代词指示语,由实物指示到范畴概括指示,逐渐离散,代词的内在统一性体现在不同认知层次上。