融合框架表示的汉语框架网词元扩充

由于汉语框架网(CFN)的词元覆盖不全,使得CFN不能在大规模真实的文本中进行框架语义分析。框架语义学通过建立框架来解释词语的意义,框架与词语具有一定的语义相关性,而现有的方法在词元扩充任务中往往忽略了这种语义相关性。为此,提出一种融合框架表示的神经网络模型用于CFN词元扩充。利用双向LSTM对词语的词典释义和框架名进行建模,采用注意力机制得到与框架相关的词典释义表示;将框架语义表示和词典释义表示融合,从而得到词典中每个词的得分,输出得分高的词语。实验结果表明,该方法有效提高了CFN词元扩充的准确率,且优于基线模型。

基于词元再评估的新事件检测模型

新事件检测(new event detection,简称NED)的目标是从一个或多个新闻源中检测出报道一个新闻话题的第一个新闻.初步实验发现,在对不同类别的新闻报道进行新事件检测时,其不同类型的词元往往具有不同的敏感程度.而传统方法往往将所有的词元等同看待.重点研究在新事件检测模型中,对于不同词元的权重设定问题.提出利用统计方法优化不同类别新闻对于不同词性词元的权重参数;提出利用已有新闻簇信息动态更新词元权重的方法,采用在新闻之间(而非新闻与新闻簇之间)计算相似度的形式,发挥两种比较形式的优点.在Linguistic Data Consortium(LDC)公共数据集TDT2与TDT3上进行实验,实验结果表明,这两种改进方法的效果明显,性能与同类系统相比有显著提升.

基于词元语义特征的汉语框架排歧研究

框架排歧指的是在一个给定的句子中,判断句中目标词激起的语义场景与该目标词可能激起的哪个框架一致,则将该框架分配给当前的目标词。框架排歧最重要的一个步骤就是特征选择,目前常用的方法是人工特征选择方法,但是这种方法不能有效地利用每个目标词的语义特征,而且大量实验表明,不同的目标词取得最好的结果时所用的特征模板是不同的。因此,该文为每个目标词设置一个特征模板,并提出了特征模板的自动选择算法,首先从语料中抽取特征构成特征集,然后利用打分机制,把特征集中得分最高的特征逐个加入到特征模板中,直到相邻两次的得分不再增加。该文借助汉语框架网语义资源,利用最大熵模型建模,使用自动特征选择算法选出特征模板,并进行5-fold交叉验证,平均精确率可达到84.46%。

网页多词元快速聚类算法

在对网页相似度分析的基础上，提出网页多词元快速聚类算法。这种算法针对中文，采用词元相似度聚类方法，利用一元组相似度判断对网页进行快速初步聚类，然后在此结果中利用二元组相似度判断进行精确聚类，兼顾了聚类精度和速度的要求。

语文词到法律表述词元的转化及争议词元界定研究--一个词典学的视角

语文词是在全民语域中使用、有全民语言交际潜势的普通词语。语文词进入法律语域,在立法、司法语境中会被压制进法律专业语义因子或法律表述功能因子,转变为法律表述词元。由语文词转化为法律词元有三种途径。普通语文词进入法律框架情景做表述词元时,普遍存在普通经验义与法律专业规定之间的出入量,难以清晰界定其范畴边界,因其模糊性而产生争议性词元。以司法语境的争议词元——"枪支"的界定为例,可用司法解释释义、法律词典释义、语文词典释义,搭建起由法律图式、百科图式、经验图式构成的"三位一体"的界定模式,其要求包括:三个图式要综合使用;要树立法律图式在界定争议词元操作中的核心性和主导性;要注意争议词元图式特征的发展性;语文词的释义要考虑各种专业应用场景。这最终可从词典学的角度为司法案件中的争议概念的处理提供参考。

利用N-元模型构建甲骨卜辞词元库的研究

准确识别甲骨卜辞词元是使用计算机技术正确切分与处理甲骨卜辞信息的关键。当前,在甲骨学研究领域没有专门的甲骨卜辞词元库,自动、高效、科学、动态地构建甲骨卜辞词元库非常重要。依据甲骨卜辞特点及拥有的大量甲骨卜辞资源,提出基于N-元模型的Bi-gram模型构建甲骨卜辞词元库的技术方法。实验表明,将统计计算语言模型用于甲骨卜辞的词元库的构建具有很强的实用性和可操作性。

汉语框架网中未登录词元的框架选择

汉语框架网的低覆盖率导致汉语句子中存在许多未登录的词元,严重制约着汉语的框架语义分析任务。针对未登录词元的框架识别问题,该文借助同义词词林的词义信息,提出基于平均语义相似度计算及最大熵模型两种方法,采用静态特征与动态特征相结合的特征选择方法。实验证明,这两种方法都能有效地实现未登录词元的框架选择,基于相似度计算的方法(TOP-4)获得78.61%的准确率;基于最大熵的方法结果可达87.29%,同时在新闻语料上达到了75%的准确率。

词元化处理在蒙古语文献语料库中的作用

论述了词元化处理在蒙古语文献语料库中的三大作用。其一,词元是同一个单词所有形态变化的代表形。因此,在语料库中统计单词时起着标准化数据的作用;其二,词元对于古蒙古语文献中同一个单词的不同写法起着规范化作用;其三,在同一个检索平台中平行检索不同文字书写的古蒙古语文献语料时词元化处理起着链接作用。

制作(成)语义框架之词元考察

在框架语义学理论的指导下,基于"制成—结果"的透视域,尝试建构汉语的制作语义框架。动词词元是语义框架的重要组成部分,它能激活语义框架,引发人们对制作语义场景的认识。对能充当制作语义框架词元的动词语义特征进行详细的分析说明,并以此为参考设置相应的词元甄选的测试框架。

汉语框架语义网中词元语义搭配模式确定规则研究

机器理解自然语言和抽取信息涉及对词汇语义信息和句法信息两项重要内容的理解。汉语框架语义知识库(CFN)的词元语义搭配模式记录了词元与框架元素、词元与句法的组合方式,为机器自动进行语义分析和信息抽取提供了资源。而目前的词元语义搭配模式的数量多,机器确定并应用词元语义搭配模式存在一定困难,且框架元素间的关系比较模糊,词元配价成分的语义信息存在歧义,使机器不能准确理解和抽取文本信息。采用基于规则的方法,根据词元配价成分的语义信息和语义特征、词元外部的语境和框架元素提炼规则,可以使机器能够更准确地理解与抽取文本的语义信息。

基于Wordnet的汉语框架网络知识库词元扩展研究

基于Wordnet汉语框架网络知识库词元组织的不同特点,提出了利用Wordnet丰富词汇的特点来扩充汉语框架网络知识库词元的思路。通过采用跨本体的相似度计算方法--MD3模型,计算概念之间的相似度,将Wordnet中含义相同的同义词集合放到其对应的汉语框架网络知识库中的框架下,可有效地实现词元扩充的目的。

基于向量空间相似原理的框架词元扩展

探讨了词元库对汉语框架网络知识库应用的影响,提出了利用同义词词林,采用基于语用的向量空间相似度计算实现词元扩充的方法,并对词元扩充的实现思路作了深入分析。

语义检索模型中的词元扩展算法研究

【目的/意义】传统的信息检索技术主要是基于关键词匹配的信息推送,该方法容易出现漏检和误检的情况。语义检索通过语义分析获得用户真正的检索意图,实现精准检索。【方法/过程】本文在对语义检索的原理和模型进行描述的基础上,提出了基于本体概念树模型的词元扩展算法,通过对词元的语义相似性、语义相关性进行计算,得出词元的语义关联度,关联度超过一定阈值的词元的集合即为扩展后的词元集。【结果/结论】该方法既考虑了具有继承关系的词元间的语义相似性,也考虑了具有相同属性词元间的语义关联度,结论更具参考价值。

论“词衰于元”与元词风貌

清人提出的"词衰于元"之说被民国诸词家普遍接受,实则,词衰于元的说法并不能成立。北方词坛金末元初元好问和南方著名词人张炎、刘辰翁、王沂孙、蒋捷等诸家都是元代词人,元代有200多位词人,涌现了大量名家名作,成就辉煌,流传于世的词作有3700余首,是元代文学中非常富有特色的一面,而且出现了耶律楚材、元好问、廉希宪、萨都剌、李齐贤等一批少数民族词人。元统一南北之后,南北文化与文学合流,南北词坛开始互动并相互影响,元代词坛出现新的风貌。元词的创作并不衰弱,对宋词有继承也有创新,仍然是富于活力的。

《全金元词》辑补七首

从温州地方文献,为《全金元词》缉补元代史伯璿词作七首。

宋元《木兰花慢》词调源流考——兼窥《木兰花慢》与元代词学

《木兰花慢》在宋、金、元三代词调形式始终在演变,北宋柳永首作祖调,其影响及于金初,南宋流行的是朱敦儒词作的句法,进而影响到元好问。元好问吸收了南宋豪放词人的流行体式,并影响了元初北方词人的创作,其后南方词人才将格律派词人擅长的体式带入词中。《木兰花慢》在元代的体式变化可看成南北词风融合的缩影。《木兰花慢》在元代可以演唱,属于"新声",其应用场合广泛,作者多元,内容丰富,传统"词衰于元"的说法值得商榷。

汉语释义元词符词义界定模式探究——兼与安华林先生商榷

汉语释义元词符的词义界定是元词符界定的关键,而对词义界定模式的构建是元词符词义界定的关键。界定模式体现为界定结构和界定方法,而界定结构主要体现在层次性上。释义元词符词义界定模式层次的构建包括宏观和微观两个方面。宏观主要是考察元词符之间的关系,微观应着眼于元词符词义内部,微观建构于宏观的考察之上。其中,认知因素贯穿于宏观和微观两个层面。

《全金元词·李孝光词》校补

唐圭璋编《全金元词》,据清王鹏运《四印斋所刻词》收录元李孝光词22首,然尚多遗阙疏误。兹略述李孝光《五峰词》流布情况,据山东省图书馆珍藏之明抄本《李五峰集》,对《全金元词?李孝光词》作校补,校订字句,补充词题,并辑录佚词五首,酌加按语。

英语学习词典释义元词研究

释义是词典的核心,释义元词的研究主要在于以语言研究和词典编纂为目的的进行的最小词汇的获得和总结。我们结合Wierzbicka的自然语义元语言理论,基于《朗文当代英语词典》第四版释义文本做释义元词提取,并对释义元词在英语学习词典中的应用提出看法。

语文词到法律表述词元的转化及争议词元界定研究

语文词是在全民语域中使用、有全民语言交际潜势的普通词语。语文词进入法律语域,在立法、司法语境中会被压制进法律专业语义因子或法律表述功能因子,转变为法律表述词元。由语文词转化为法律词元有三种途径。普通语文词进入法律框架情景做表述词元时,普遍存在普通经验义与法律专业规定之间的出入量,难以清晰界定其范畴边界,因其模糊性而产生争议性词元。