-
题名《诗经》中“无、勿、毋、弗”的词性兼类及其规律
- 1
-
-
作者
吴畏
-
机构
贵州工业大学社科部
-
出处
《贵州教育学院学报》
2002年第5期63-65,共3页
-
文摘
掌握辨析《诗经》中的表示否定意义的“无”与其有着交叉关系的“勿、毋、弗”的词义、词性的规律 ,应从它们在句子中的结构关系方面去着手。掌握了辨析它们的规律 ,既可以为我们正确理解这几个词在《诗经》中的正确含义 。
-
关键词
《诗经》
词性兼类
语言结构
'无'
'勿'
'毋'
'弗'
副词
连词
词性交叉
-
Keywords
Book of Songs
Parts of Speech
Discrimination
Language Structure
-
分类号
H141
[语言文字—汉语]
-
-
题名词性标注中生词处理算法研究
被引量:13
- 2
-
-
作者
张孝飞
陈肇雄
黄河燕
蔡智
-
机构
中国科技大学计算机系
中国科学院计算机语言信息工程研究中心
-
出处
《中文信息学报》
CSCD
北大核心
2003年第5期1-5,共5页
-
基金
国家自然科学基金资助项目(60272088)
-
文摘
词性兼类是自然语言理解必须解决的一类非常重要的歧义现象,尤其是对生词的词性歧义处理有很大的难度。文章基于隐马尔科夫模型(HMM),通过将生词的词性标注问题转化为求词汇发射概率,在词性标注中提出了一种生词处理的新方法。该方法除了用到一个标注好的单语语料库外,没使用任何其他资源(比如语法词典、语法规则等),封闭测试正确率达97%左右,开放测试正确率也达95%左右,基本上达到了实用的程度。同时还给出了与其他同样基于HMM的词性标注方法的测试比较结果,结果表明本文方法的标注正确率有较大的提高。
-
关键词
计算机应用
中文信息处理
自然语言理解
词性兼类
隐马尔科夫模型
语料库
-
Keywords
computer application
Chinese information processing
natural language processing (NLP)
ambiguity of POS
HMM
corpus
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名错误驱动学习在未登录词词性标注中的应用
被引量:1
- 3
-
-
作者
梁妍
朱耀庭
-
机构
南开大学信息技术科学学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2008年第6期1532-1534,共3页
-
基金
天津市科技攻关重点基金项目(04310731R)
天津师范大学青年基金项目(52LE69)
-
文摘
词性兼类是自动词性标注过程的关键所在,特别是确定未登录词词性的正确率对整个标注效果有很大的影响。对兼类词排歧方法进行了研究,针对统计和规则两种方法各自的优点和局限,提出运用隐马尔科夫模型和错误驱动学习方法相结合自动标注方法,最后介绍了如何通过这种方法在只有一个词库的有限条件下进行词性标注和未登录词的词性猜测。实验结果表明,该方法能有效提高未登录词词性标注的正确率。
-
关键词
词性标注
未登录词
基于转换的学习
隐马尔科夫模型
词性兼类
-
Keywords
part-of-speech tagging
unknown words
transformation based learning
HMM
ambiguity of POS
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名词性标注与释文结构
- 4
-
-
作者
张立茂
陆福庆
-
机构
上海市五十八中学
-
出处
《辞书研究》
1983年第5期11-16,共6页
-
文摘
在我国辞书出版事业日臻繁荣的形势面前,语文词典的分类和标注词性问题逐渐为研究和编纂者注意。我们认为,不管从辞书的科学性或实用性来看,语文词典标注词性都是必须的,这也是广大读者的要求。关于词汇的语法分类,众多的学者、专家、语文工作者作了长时期的研讨,现在,辞书界的任务不仅是继续把这项工作引向深入,而且亟需总结、汲取已有成果,付诸编纂实践。
-
关键词
词性标注
语文词典
词性兼类
标注词性
词目
用例
释义
辞书
语言结构
形容词
-
分类号
H0
[语言文字—语言学]
-
-
题名混合式机器翻译中单词处理的一些技术探讨
被引量:6
- 5
-
-
作者
杨宪泽
肖明
-
机构
西南民族大学计算机科学与技术学院
-
出处
《科技通报》
北大核心
2011年第1期101-104,135,共5页
-
基金
四川省科技攻关项目(05SG022-016)
-
文摘
机器翻译的涉及的技术很多,单词处理是其中的一个重要核心。本文主要介绍单词处理的一些技术,其工作有三部分:第一部分提出最大匹配分词的改进算法;第二部分探讨汉英机器翻译时名词的单复数处理算法;第三部分给出词性兼类处理的一些方法。
-
关键词
机器翻译
消歧方法
词性兼类
名词的单复数
-
Keywords
machine translation
disambiguation Method
words at part of speech
single and plural of the noun
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名机器翻译的词处理研究
被引量:12
- 6
-
-
作者
杨宪泽
-
机构
西南民族大学计算机科学与技术学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2009年第5期156-158,共3页
-
基金
四川省科技攻关资助项目(05SG022-016)
-
文摘
本文首先在讨论汉语自动分词这一难题的基础上提出最大匹配分词的改进算法,然后论述词性兼类处理的一些方法,最后探讨了汉英机器翻译时名词的单复数处理算法。
-
关键词
机器翻译
分词
词性兼类
单复数
-
Keywords
machine translation
segmentation
word part of speech
single and plural form
-
分类号
TP391.2
[自动化与计算机技术—计算机应用技术]
-
-
题名汉英机器翻译的单词处理研究
被引量:1
- 7
-
-
作者
杨宪泽
-
机构
西南民族大学计算机科学与技术学院
-
出处
《西南民族大学学报(自然科学版)》
CAS
2009年第3期595-599,共5页
-
基金
四川省科技攻关项目(05SG022-016)
-
文摘
机器翻译涉及的技术很多.本文的主要工作有两部分:第一部分给出词性兼类处理的一些方法;第二部分探讨汉英机器翻译时译文生成的处理,包括建立汉英机器翻译的时态转换、相关匹配规则、名词的单复数处理算法.第三部分研究多义词的一些处理处理.第四部分提出单词处理的其它注意问题.
-
关键词
机器翻译
单词处理
词性兼类
译文生成
多义词
-
Keywords
machine translation
word treatment
multi-part-of-speech word
target-language generation
polysemous word
-
分类号
H085
[语言文字—语言学]
-
-
题名法律文书中的歧义问题
- 8
-
-
作者
梁汉镳
-
出处
《政法学刊》
北大核心
1995年第1期52-54,共3页
-
文摘
法律文书是具有法律效力或法律意义的公文,语言一定要准确,解释一定要单一,不能有丝毫的的歧义毛病。只有这样,才能正确地发挥它的作用,显示其庄重性和严肃性。
-
关键词
法律文书
同形歧义
同音词
同形结构
信用卡
层次结构
工读学校
消除歧义
排列顺序
词性兼类
-
分类号
D90-055
[政治法律—法学理论]
-