自然语言文本语义接受度的在线系统评价研究

语义接受度(SAS)是衡量自然语言文本可理解程度的标尺。通过结合自动文摘系统评价方法和文体学分析方法,提出了可用于在线分析英语文学文本SAS的系统评价公式,并通过诺贝尔文学获奖作品《老人与海》的语料分析验证了公式的可适用性:不同的抽取率不会引起评价值的显著差异。尽管存在域的有限性、域的单一性和在线评价相对性等不足,此公式为文学评论者借助网络进行英语文本SAS在线评价提供了便利。

复杂产品协同设计流程的多视图自然语言文本生成

为了业务人员更好地理解复杂产品设计过程的业务流程建模标注(BPMN)模型,以便与系统分析人员进行有效沟通,提出一种基于BPMN模型的复杂产品设计过程多视图自然语言文本生成方法。该方法能够根据业务人员的不同需求对流程模型进行结构投影,进而使用句法分析和语义角色标注解析BPMN流程模型的文本信息,并使用流程结构树(RPST)算法解析BPMN流程模型的结构,从而将流程模型划分成具有层次的子流程片断得到流程结构树。解析的文本信息与不同视图下的流程结构树合并,形成带注释的多视图流程结构树,然后使用语法树由带注释的流程结构树自动生成自然语言文本,最终生成多视图下的自然语言文本。所提方法已在系统中实现,并通过测试集进行实验验证了所提方法的有效性。

自然语言文本中否定性信息智能抽取仿真

为了快速、准确的抽取出自然语言文本中存在的否定性信息,需要对否定性信息抽取方法进行分析和研究。采用当前否定性信息抽取方法对自然语言文本中存在的否定性信息进行抽取时,得到的抽取结果与实际结果不符,抽取信息所用的时间较长,存在抽取精准度低和抽取效率低的问题。提出一种自然语言文本中否定性信息智能抽取方法,通过基于树核的覆盖域界定模型得到自然语言文本句法树中覆盖域的结构和位置。根据双层图模型对自然语言文本中词与词之间的转移概率进行计算,采用PageRank算法并结合转移概率对自然语言文本中的信息权重进行排序,得到覆盖域中的否定焦点;通过否定焦点从更细的粒度上对否定性信息进行分析,根据分析结果对自然语言文本中的信息进行分类,根据分类结果完成自然语言文本中否定性信息的智能抽取。仿真结果表明,所提方法的抽取精准度高、抽取效率快。

基于智能优化算法的自然语言语义相关度计算模型

常规的语义相关度计算模型多数采用深度学习原理构建设计而成,模型运行流程复杂,收敛速度较慢,语义斯皮尔曼相关系数较低,无法显著提升自然语言语义相关度计算结果的精度。针对此问题,引入智能优化算法,提出了一种全新的自然语言语义相关度计算模型,选择与自然语言文本特征适配度较高的文本编码器,全面提取文本中的重要语义信息,将计算模型无法识别的文字化信息处理为模型能够识别的文字化信息,并扩大数据集,融合不同类型的文本数据,使文本数据格式保持一致。实验分析可知,提出的模型具有良好的性能优势,自然语言词语对的斯皮尔曼相关系数值均较高,语义相关度计算结果的精度得到了显著提升。

基于WEB多专家系统的自然语言人机交互

本文主要涉及到自然语言文本处理和基于WEB的多专家系统的自然语言人机接口总体设计两个方面的研究,并用一个实例说明了汉语自然语言咨询文本的分析过程.

跨文化生物医学文本的语言学方法和应用

本文介绍了在生物学英文文本纷繁芜杂的当今,面对中英文本的文化差异,生物医学自然语言处理(Natural Language processing for Biology,BioNLP)的基本概念和方法。归纳总结了BioNLP在挖掘生物医学文献信息中的重要方面。通过研究实例分析了常见的以"词"、"句"、"篇"为语言单位的分析方法并指出这些方法的局限性,最后展望了生物医学计算语言学研究趋势。

一种基于依存文法的需求文本策略依赖关系抽取方法

从基于自然语言的需求文本中抽取概念模型已有很多相关研究,然而,抽取模型中的关系信息因其复杂性而较少被研究者系统地分析和处理.文中提出了一个通用的关系信息抽取方法,给出抽取规则,从需求文本中确定和抽取关系信息.基于该方法设计并实现了一个系统CREAT3,从中文需求文本自动生成i*框架中的SD(StrategyDependency,策略依赖)模型,侧重抽取策略依赖关系信息.将得到的模型和专家抽取结果进行对比,结果显示该系统可以获得相当高的准确率,同时也保证了很高的召回率,证明了方法的可用性.并且较相关工作具有更好的可扩展性.

“文本挖掘与话语研究”专栏

主持人语(汪顺玉):数字时代的话语生产者正在以惊人的速度和量级生产和传播话语。得益于网络技术助推的数据革命以及计算机软、硬件技术助推的计算革命,这些真实话语大数据的获取和计算都已经成为现实。新兴蓬勃发展的文本挖掘技术能够从海量的自然语言文本中获取有价值的语义和情感信息。

FTA中TBT条款对中国全球价值链攀升的影响研究

基于2000—2014年中国签订的自由贸易协定(FTA)中技术性贸易壁垒(TBT)条款文本,使用自然语言文本处理法量化了中国各行业在FTA中TBT条款的合作水平,实证研究FTA中TBT条款对中国各行业全球价值链位置的影响。实证结果表明,FTA中TBT条款分别从降低贸易成本、促进技术创新、提高制度质量三个路径促进了中国各行业在全球价值链中的攀升。进一步分析发现,FTA中TBT条款对制造业和其他行业全球价值链攀升的促进作用明显,对中国服务业全球价值链攀升的影响不显著;相对于高技术制造业,低技术制造业的全球价值链攀升更容易受FTA中TBT条款的影响。中国政府应该更加积极地参与FTA中与贸易伙伴国的高水平TBT条款的谈判协商,充分发挥其对各行业全球价值链攀升的促进作用,同时重点关注对FTA中TBT条款敏感度较高的行业。

利用Pearson相关系数定量分析生物亲缘关系

论文主要利用计算语言学中使用的统计学方法定量分析生物物种的亲缘关系。以包含生物体遗传信息的核酸序列为研究对象,采用计算语言学的思想和方法,将每一个生物体的核酸序列看作一篇很长的自然语言文本,抽取核酸序列的双核苷酸频率分布特征向量,用以表征其数字特征。而后采用PearsonCorrelationCoefficient(Pearson相关系数)定量分析其亲缘关系的远近程度。将119个细菌的全基因组核酸序列进行两两比对,对所得的7021个r值进行分析,得出的结论是:亲缘关系越相近的物种,其Pearson相关系数越大。取定0.985作为“属”的分界阈值时,得到召回率为75.824%,准确率为73.404%。论文对定量分析生物学核酸序列的相似性和对生物亲缘关系远近的建模有重要的实际意义。

基于代码结构知识的软件文档语义搜索方法

自然语言文本形式的文档是软件项目的重要组成部分.如何帮助开发者在大量文档中进行高效、准确的信息定位,是软件复用领域中的一个重要研究问题.提出了一种基于代码结构知识的软件文档语义搜索方法.该方法从软件项目的源代码中解析出代码结构图,并以此作为领域特定的知识来帮助机器理解自然语言文本的语义.这一语义信息与信息检索技术相结合,从而实现了对软件文档的语义检索.在StackOverflow问答文档数据集上的实验表明,与多种文本检索方法相比,该方法在平均准确率(mean average precision,简称MAP)上可以取得至少13.77%的提升.

深入挖掘航运数据背后的价值

透过客户在航运企业留下的运输足迹,站在行业的高度,结合企业内外部数据,探究和发现数据背后的潜在规律和价值。在前端无法提升订舱人员录入数据质量的大前提下,利用计算机自然语言分析、交叉比对及机器学习的方法能有效对货流原始数据进行清洗,这有利于航运企业整体货流结构、货物种类的整合归类与分析,对企业营销指导和为客户创造价值有重要意义。

自由贸易协定中技术性贸易措施条款对我国出口贸易的影响

基于2001—2017年我国与已签订10个自由贸易协定(FTA)的贸易伙伴国的出口产品贸易数据,运用自然语言文本处理法量化FTA中的技术性贸易措施条款(TBT)合作程度,实证检验TBT合作对我国制造业出口总额和二元边际的影响。研究发现,TBT合作对我国制造业出口总额和二元边际有显著的促进作用,其中对集约边际的影响更为突出。就具体条款而言,减少贸易扭曲条款对扩展边际有一定的积极影响,但设置争端解决机制条款对二元边际的影响不显著。TBT合作对高技术行业出口的促进作用较强,其中主要通过集约边际促进高技术行业的出口,通过扩展边际促进低技术行业的出口。我国应继续深化与已签订FTA国家和地区的TBT合作,并积极开展与更多国家的合作,拓展自由贸易区辐射范围,对重点产业领域有针对性地开展TBT合作。