基于情感增强词向量的朝鲜语情感分析方法

现有的句子级情感分析方法把重点放在针对句子的语义及情感倾向建模上,忽略了词向量的情感倾向性信息。针对这一问题,提出一种情感分析方法 SE-LSTM,并将该方法应用于朝鲜语情感分析任务中。以句子片段的情感评分作为目标,训练多层神经网络,得到情感增强词向量,将之作为LSTM网络的输入,预测句子的情感分类。实验结果表明,与传统的LSTM或CNN模型相比,融合了情感增强词向量的LSTM模型将F1值分别提高了2.55个百分点和1.94个百分点。

中国学习者书面语中增强词的多视角对比研究——以常用词very much为例

本文运用语料库研究方法及工具,以常用词very much为例,多维度调查了中国学习者书面语中增强词的使用情况。研究结果发现:学习者在该常用目标词的使用频率、语域特征、类联接类型、句法位置以及语义韵倾向方面均显著异于英语本族语者,总体偏离目标语范式较远,说明学习者尚未真正掌握该常用增强词的全面、地道用法。本文进一步分析表明,上述问题的产生与学习者学习策略运用、东西思维差异、语内迁移等原因密切相关。

英语增强词terribly的主观化——一项基于语料库的研究

基于英语文学语料库,本文对英语增强词terribly在使用中词义的演变过程进行较为详尽的历时考察。文章认为,terribly词义的演变过程实际上是一个主观化的过程;terribly主观化过程包括三个阶段:初期使用阶段(1591-1748年)、主观化过渡阶段(1749-1833年)和主观化阶段(1834年后);terribly的主观化主要体现为四个转变:由命题功能变为言谈功能、由客观义变为主观义、由句子主语变为言者主语、由自由形式变为固定形式;terribly主观化的基本机制是重复。

中国英语专业学习者笔语中增强词的多维度对比研究——以高频词so为例

运用语料库研究方法及相关软件工具,在对英语专业学生及本族语者真实的语言数据多角度对比的基础上,对英语专业学生在书面语中使用常用增强词so的情况进行了定量探讨。数据表明,英语专业学生与本族语者在增强词so的类联接类型上趋于一致,而在其使用频率、搭配强度、语义韵倾向及语体特征等方面均存在明显差异。这一结果表明,即使作为高水平的二语学习者,英语专业学生仍未准确全面地掌握该常用增强词so的地道用法。进一步的分析表明,上述问题的产生与习得年龄效应（Ao A）、学习者的学习策略、母语的负迁移影响以及语义韵在二语知识构建体系中的主导作用等原因密切相关。

基于领域知识的增强约束词向量

词向量是一种词语的数字化的表达。基于神经网络模型,利用语料中词语之间的上下文关系这一约束条件,通过大量训练得到词向量。词向量在表达词的语义上的表现给人以无限的希望与想象空间,基于词向量的文本分类、人机对话、智能检索等得到了广泛的研究。该文针对校园信息查询的特定应用,建立了所涉及词语的分类本体,除了利用语料中词语上下文关系外,还将本体知识作为约束条件进行词向量的训练,增强了词向量的语义表达。基于skip-gram模型,采用多任务的神经网络训练方法,在自己收集的语料上训练得到了针对领域的词向量。实验表明,基于领域知识的增强约束词向量能够更准确地表达词的语义信息。

基于语料库的中国英语学习者增强程度副词使用研究

基于中国学习者语料库CLEC,对比于英国本族语者语料库FLOB,本文重点分析了中国英语学习者增强程度词的使用频率情况。研究结果表明:与本族语者相比,在增强程度词的使用上,中国英语学习者明显存在超用现象。对于产生差异的原因,本文又做了进一步的探讨。

基于词性特征的CNN_BiGRU文本分类模型

传统词嵌入通常将词项的不同上下文编码至同一参数空间,造成词向量未能有效辨别多义词的语义;CNN网络极易关注文本局部特征而忽略文本时序语义,BiGRU网络善于学习文本时序整体语义,造成关键局部特征提取不足。针对上述问题,提出一种基于词性特征的CNNBiGRU文本分类模型。引入词性特征构建具有词性属性的词性向量;将词性向量与词向量交叉组合形成增强词向量,以改善文本表示;采用CNN网络获取增强词向量的局部表示,利用BiGRU网络捕获增强词向量的全局上下文表示;融合两模型学习的表示形成深度语义特征;将该深度语义特征连接至Softmax分类器完成分类预测。实验结果表明,该模型提高了分类准确率,具有良好的文本语义建模和识别能力。

中国英语学习者强化词使用的语料库调查

本文基于语料库数据,采用中介语对比分析方法探析中国学习者英语语料库中的四、六级作文中强化词的使用,研究以国际学习者语料库中的本族语者作文为参照语料库。文中强化词分为两类最高程度词和增强程度词。统计数据表明,中国学习者在整体上过多使用强化词。进一步的研究发现中国学习者过少使用最高强化词,过多使用增强程度词。本文从强化词实现的功能、母语迁移、两类强化词的不同使用特点等方面解释了以上现象。

中国英语学习者强势词句法位置应用的语料库研究

基于语料库数据,采用中介语对比分析的方法,分析了中国英语学习者强势词句法位置的分布情况,所采用的参照语料库是英国本族语者语料库FLOB。文中强势词分为两类:最高程度词和增强程度词。该项研究结果表明:与本族语者相比,中国学习者明显存在句尾超用强势词现象,其中最高程度词表现更为显著。整体来看,对于强势词的句法位置运用,中国学习者掌握较好。

基于语料库的中国英语学习者强势词句法作用的研究

强势词的使用可以反映说话者的交际能力,同时实现一定的人际交往功能。强势词在句中使用时,可以实现两种句法作用:状语或限制语。本文采用中介语对比分析的方法,分析了中国英语学习者强势词句法作用的使用情况,所采用的参照语料库是英国本族语者语料库FLOB。强势词分为两类:最高程度词和增强程度词。研究结果表明:与本族语者相比,无论是最高程度词还是增强程度词,中国英语学习者都过多地实现了其状语的句法作用,即强势词多被中国学生用作状语从而修饰动词或动词词组。对于产生差异的原因和本研究的意义,文章又作了进一步的分析。

基于BERT和知识蒸馏的航空维修领域命名实体识别

针对军事航空维修领域命名实体识别训练数据少,标注成本高的问题,改进提出一种基于预训练BERT的命名实体识别方法,借鉴远程监督思想,对字符融合远程标签词边界特征得到特征融合向量,送入BERT生成动态字向量表示,连接CRF模型得到序列的全局最优结果,在自建数据集上进行实验,F1值达到0.861。为压缩模型参数,使用训练好的BERT-CRF模型生成伪标签数据,结合知识蒸馏技术指导参数量较少的学生模型BiGRU-CRF进行训练。实验结果表明,与教师模型相比,学生模型以损失2%的F1值为代价,参数量减少了95.2%,运算推理时间缩短了47%。

中国学习者使用英语强势词搭配的发展特点

本研究运用语料库语言学的研究方法,以中国学习者英语语料库和英国国家语料库的一部分为基础,对我国学习者使用英语强势词搭配的特点从三个不同阶段,即高中阶段、大学非英语专业阶段和大学英语专业阶段进行研究。结果显示:1)中国英语学习者对最高程度词的使用受其语言整体水平的影响。水平越高,他们所使用最高程度词的搭配数量越多。2)高中阶段的英语学习者过多使用‘万能强势词’so,very和very much。在剔除三个‘万能强势词’后,随着学习者语言水平的提高,他们所使用增强词搭配的种类和数量呈上升趋势。3)从增强词搭配的类符和形符使用的准确率来看,主要差异存在于高中阶段和大学英语专业阶段与大学非英语专业阶段和大学英语专业阶段,高中阶段和大学非英语专业阶段之间没有显著差异。