穷尽性探析:论汉语书面语篇的篇章结构特征状况——基于数学和语言学理论的三元三维计算

我们以HSK动态作文语料库中的语料为研究对象,从汉语书面语篇结构特征的三大支撑点(中心思想、结构要素和结构关系)和三大分析维度(有无、优劣和强弱)入手,运用数学和语言学理论展开计算分析,穷尽性描写了汉语书面语篇结构的特征状况:在数学上可存在的结构特征状况有125种,在语言学上不能出现的有20种,因此理论上允许存在的结构特征状况为105种。希望本文的分析能对汉语书面语研究及国际汉语写作教学提供借鉴。

篇章结构特征对文本可读性的影响

本文采用计算语言学方法,使用文本自动分类模型考察篇章结构特征如何影响文本的可读性。本文设计了篇章标注规范和标注集,对“统编版语文教材语料库”进行篇章特征标注;然后抽取文本篇章特征,讨论其与文本可读性的相关关系;最后,使用支撑向量机进行可读性自动分级实验,考察篇章特征对文本难度的预测能力。实验结果显示:篇章结构特征的加入能够明显提升文本分级的效果,与词汇语法特征的对比实验结果说明篇章特征对文本可读性有正面影响。本文的工作将文本可读性研究向篇章层面推进,为相关研究和应用提供了参考。

基于宏观语义表示的宏观篇章关系识别方法

宏观篇章分析旨在分析相邻段落或段落群之间的语义联系,是自然语言处理领域其他任务的工作基础。该文研究了宏观篇章分析中的关系识别问题,提出了一个宏观篇章关系识别模型。该模型利用基于词向量的宏观篇章语义表示方法和适用于宏观篇章关系识别的结构特征,从两个层面提高了模型分辨宏观篇章关系的能力。在汉语宏观篇章树库(MCDTB)上的实验表明,该模型在大类分类中F1值达到了68.22%,比基准系统提升了4.17%。