基于多层次句子相似度与向量空间模型的词义消歧

介绍和对比了20世纪50年代以来出现的各种主要词义消歧的方法,论述了这些方法取得的成效和存在的局限,着重讨论了基于向量空间模型的消歧方法.在此基础上,通过分析和计算,提出了一种将多层次句子相似度计算应用于向量空间模型的新方法,从而提高机器翻译中的词义消歧的准确度.

论闽方言果摄的读音层次——兼与南部吴语比较

本文指出闽方言果摄最多七个层次,最少四个层次。层次Ⅰ、层次Ⅳ、层次Ⅵ为闽语果摄主要读音层,其他为次要读音层,各点层次数量差异在于次要读音层的有无。这三个主要读音层代表了三个时代层次:上古、中古前及近代。只有主要读音层才是闽语果摄最核心层次,利用闽语材料构拟原始闽语应使用主要读音层。从南部吴语内部来看,上山小片与闽语相似度最高,丽水小片及瓯江片次之,金衢片相似度最低。具体来说,上山小片与闽中相似度较高,与闽东相似度较低;丽水小片及瓯江片与闽北相似度最高,与闽南、莆仙相似度最低;金衢片与闽中相似度较高,与闽南、莆仙相似度最低。综合来看,南部吴语与闽北、闽中相似度高,与闽南、莆仙及闽东相似度低。

基于事件本体的新闻个性化推荐

针对传统推荐系统中存在的冷启动、数据稀疏、语义缺乏、推荐精度较低等问题,提出一种基于事件本体的推荐算法。结合新闻的分类结构和新闻语料构建事件本体,对用户浏览的新闻进行要素抽取并构建用户兴趣模型。基于事件本体的分类结构计算新闻事件之间的相似度,通过用户兴趣模型计算用户兴趣相似度,根据事件本体非层次结构的语义半径寻找相关新闻事件。综合事件本体相似度、用户兴趣相似度和非层次结构相似度3个方面得出新闻个性化推荐结果。实验结果表明,该算法的推荐结果优于协同过滤推荐算法和基于内容的推荐算法。