《诗经》中“无、勿、毋、弗”的词性兼类及其规律

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 。

词性标注中生词处理算法研究

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。

错误驱动学习在未登录词词性标注中的应用

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。

词性标注与释文结构

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。

混合式机器翻译中单词处理的一些技术探讨

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。

机器翻译的词处理研究

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。

汉英机器翻译的单词处理研究

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.

法律文书中的歧义问题

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。