面向范畴语法分析的汉语词库的构造及实现

在蒙太鸠语法理论的基础上 ,利用范畴语法对汉语进行句法分析 ,并针对汉语范畴动态标注的不确定性进行跨层次松弛关联的计算研究 ,需要相应地构造范畴化机器词库。本文采用基本词库加扩展生成的思想构建生成的面向范畴语法分析的汉语词库 ,除具有一般词库的特点外 ,还对词语的范畴归属、词谓、词用等相关信息给出说明 ,以供范畴句法分析时选用。实验结果表明 ,在假设完备的前提下 ,测试该词库取得了较好的效果。

汉语文语转换中的音库词库

阐述了为实现汉语文本到语音转换而设计的汉语词库和语音库的设计思想和实现技术。

汉语谓词组合范畴语法词库的自动构建研究

谓词词库是深层语法模型分析和理解的核心资源。近年来的常规方法是人工构建或从标注语料库中自动获取,标注规模和信息容量的扩大受制于巨大的人工投入量和标注库体系设计。该文提出了一种多资源融合自动构建汉语谓词组合范畴语法(CCG)词库的新方法。从知网、北大语法信息词典和大规模事件句式实例中提取汉语谓词的不同句法语义分布特征,融合形成CCG原型范畴表示,将它们指派给各资源信息完全重合的谓词形成核心词库。然后通过自动分类和隶属度分析相结合方法对其他谓词的CCG范畴进行预测,并对两者结果进行融合得到扩展词库,最终合并形成包含约15,000个词条的汉语谓词CCG词库。通过在随机均匀抽样的1000个谓词上通过多人独立标注形成的标准测试库上进行不同角度的性能分析实验,表明该词库的预期准确率达到了96.3%。

自适应汉语词数据库的实现

中文信息处理在字一级的问题基本解决以后，正在向词一级的处理阶段发展。进入词一级处理阶段以后的一个首要任务就是要建立一个用计算机管理的高性能的汉语词库系统。本文在Ｂ－树的基础上，提出并实现了一种新的前缀Ｂ＊树聚集索引结构，并且根据中文信息处理的特点，将自适应的概念引人数据库，开发出了一个具有较高性能的汉语词库系统。

别样风情

它们虽然有着巧夺天工的造型、但同时也有着不按常理出牌的外观，甚至有时候我们在博大的汉语词库中竟然找不出一个恰当的形容词来描述它。此外它们还拥有不同寻常的功能与特立独行的操作，一切风格和主流格格不入。但不可否认它们却始终走在数字家庭的最前沿，以充满创造性的思维打造出一片属于自己的天地。

SNS中的文本数据挖掘

在大规模中文语料中，词语往往具有内部凝合固定、出现环境丰富等特点。我们可以借助这些特征，用数学方法刻画出一个字符串成词的概率，从而得到一种无需知识库就能从大规模语料中抽取词语的算法。对人人网的用户状态数据进行抽词，并与已有的现代汉语词库进行对比，我们便能得到一份新词列表，这将给中文分词等算法带来很大帮助。