基于因果语义定向的贝叶斯网络结构学习

基于变量之间基本依赖关系、基本结构、d-separation标准、依赖分析思想和混合定向策略,给出了一种有效实用的贝叶斯网络结构学习方法,不需要结点有序,并能避免打分-搜索方法存在的指数复杂性,以及现有依赖分析方法的大量高维条件概率计算等问题。

动词隐含因果语义对5～7岁汉语高功能自闭症儿童代词加工的影响

个体在利用动词隐含因果语义线索确定代词所指的过程中会结合动词语义特征和语境两个方面的信息,已有研究指出自闭症儿童在语言加工过程中无法有效利用语境信息,本研究采用句子理解任务,考察有无语境支持和不同动词类型(主语隐含型和宾语隐含型)四种条件下,汉语高功能自闭症儿童利用动词隐含因果语义信息加工代词的能力。结果显示,(1)汉语高功能自闭症儿童的代词加工表现显著差于典型发展儿童;(2)语境信息可以帮助被试确定代词所指,且对两组被试成绩的提高程度相当。以上结果表明汉语高功能自闭症儿童之所以无法利用动词的隐含因果语义线索确定代词所指的原因可能是他们对该类动词的语义表征存在问题。

因果“把”字句的句法研究

本文首先定义了因果“把”字句，并从句型分布和句法特点两个方面对其进行了句法研究，认为因果“把”字句仅限于“把”字句15种句法形式中的10种；其可以与汉语中表示因果关系最典型的格式为“因为……所以……”（“因此”“之所以……是因为”“由于”）等格式进行变换，而基本意义保持不变；其谓语动词V的使用也具有特殊的要求。

因果语法的由来与可能

因果语法是一种因果理论,而不是语言学理论。它借用语言学中语法之名,是因为它受到了语言学中普遍语法思想的启示,即将因果理论进行分层次,高层次理论指导低层次理论的推理。因果语法的表示形式可以有很多种,其中多体谓词逻辑具有丰富的语义特征,但是计算复杂度高。因果语义是语言学中研究自然语言中表示因果关系的语义范围,它以现实因果关系为基础,其建模可以受到因果语法的启示。

基于类约束的贝叶斯网络分类器学习

分类能力是人类经过学习得到的重要而基本的能力 ,也是机器学习、模式识别和数据采掘研究的核心问题 .在0 - 1损失率下 ,证明了基于类约束的贝叶斯网络分类器是最优分类器 .建立该分类器的核心问题是基于类约束属性贝叶斯网络结构学习 ,给出了学习属性贝叶斯网络结构的方法 ,在学习过程中使用了根据弧方向因果语义确定边方向的方法 ,并和碰撞识别定向相结合 ,在边定向之后进行冗余弧检验 ,解决了目前冗余边检验在定向之前所导致的问题 ,显著提高了结构学习效率和准确性 .并使用模拟数据进行了分类实验和分析 .

论赫梯语因果关系语义的无标记表达方式

赫梯语文献中因果语义的表达方式多种多样。自赫梯中王国时期以来越来越多地采用了添加形式标记这种方式,而且不断多样化,且得到学术界比较深入的研究。本文考察赫梯历史上不同阶段的文献,指出赫梯语文献中因果语义的表达也普遍存在无标记形式,以语义叙事表达因果关系;另一方面,某些常见的标记形式在赫梯帝国时期的赫梯语文献中出现了标记省略,形成一种新的无标记现象。