词间空格对汉语母语者和二语者拼音文本阅读的影响——基于眼动的证据

本研究采用眼动跟踪技术考察词间空格对汉语母语者和第二语言学习者汉语拼音文本阅读的影响。实验以中国大学生和在中国学习汉语的外国学生为被试,收集他们阅读三种不同空格条件(词间空格、字间空格和无空格)的汉语拼音句子的眼动数据。研究结果显示,与无空格条件相比,词间空格和字间空格条件的注视时间短,注视次数少,首次注视位置距离词中心近;母语者在词间空格和字间空格条件下阅读效率无显著差异,但二语学习者阅读词间空格文本的阅读效率大于字间空格文本;词间空格对于印欧语母语者的促进作用显著大于泰语母语者。这些结果表明,词间空格对汉语二语者有促进作用,词间空格的促进作用受母语文字背景的影响。

词间空格对维吾尔族大学生词汇加工的影响

采用眼动追踪技术,考察高熟练和低熟练水平维吾尔族大学生在有无空格的国家通用语言文字句子阅读任务中的眼动特征,以探讨词间空格对词汇加工的影响。结果发现,不同熟练水平维吾尔族大学生在有空格的句子阅读中首次注视时间、凝视时间、注视次数显著少于无空格条件,即有空格条件下的阅读优于无空格。此外,空格对低熟练大学生词汇通达早期阶段的促进作用更大。总之,空格促进维吾尔族大学生的词汇加工。表明维吾尔族大学生的词汇加工在一定程度上依赖于词素分解表征,并随着语言熟练程度的提高,词素分解表征的依赖性逐渐减弱,而整词加工能力逐渐提升。

基于词词关联矩阵改进的模糊检索研究(二)——叙词表控制下词间关联度的改进算法

传统上，检索系统利用基于词语共现分析所生成的自构造词表，即词词关联矩阵来实现模糊检索，这种方式生成的词表存在词间关系单一、语词假相关、词义控制差等问题。本文结合传统叙词表，对自构造词表的词间关联度算法进行了改进，新算法丰富了词间关系类型。实证分析表明，新算法有助于提升系统的检索效率。本文首先阐明词间关联度现有算法及关系数据处理方式，并指出现有算法存在的问题，然后引入叙词表控制机制，针对四种词间关系控制情形提出了各自的词间关联度改进算法。最后通过集合从理论上分析改进算法和现有算法，并借助语词关系网实证改进算法对语词关系网的关联性的影响。

基于特征权重与词间相关性的文本特征选择算法

传统的ReliefF算法使用二值法不能体现离散特征差异大小,且不能去除冗余特征。针对这种情况提出了mRMR-ReliefF特征选择算法。该算法利用概率弥补特征差异度量上的不足,提出新的差异函数。此函数使提取出的特征更能体现文本的类内相关性和类间差异性。该算法还结合了词间相关性。词间相关性在考虑选择和类别相关性大的特征词的同时还考虑了特征冗余的消除。通过三种算法的对比实验,表明该算法为文本分类提供了更有效的特征子集。

词间空格促进汉语阅读的新词学习:词素位置的调节作用

采用眼动仪考察词素位置是否是影响词间空格在新词学习中起作用的重要因素。通过以下方式进行操纵:构造两类假词作为新词,第一类新词由低频首字、高频尾字构成;第二类新词由高频首字、低频尾字构成。采用"学习-测试"范式将新词放在句子中要求被试阅读。结果发现,相比由高频首字和低频尾字构成的新词,词间空格在由低频首字和高频尾字构成的新词学习中促进作用更大。表明在汉语阅读中词素位置可能作为一种线索参与词切分。

基于叙词表构建本体的中文叙词词间关系细化研究

概念间关系是本体的重要组成部分,概念间关系的细化可以消除概念的歧义性。基于叙词表构建本体时,需要对叙词表中的语义关系进行细化调整。在研究中文叙词词间关系的基础上,对叙词词间关系细化提出了一套完整的调整方案,并对此细化方案进行了具体的描述和举例说明。

基于关键词分析的叙词表词间等同关系探讨

本文以"非典型肺炎"和"甲型H1N1流感"两个传染病作为研究样本,以中国知网(CNKI)数据库中的文献关键词作为语料库来源,基于用户关键词词频统计,并结合人工核查,分析同一概念的同义词和近义词以确立关键词词间的等同关系。目的是了解用户关键词和MeSH主题词之间的差异,分析用户表达偏好和习惯,进而为叙词表维护中的候选词汇选择提供一定的参考。

词间相关性在Web检索中的新应用

首先分析了以往信息检索中利用词间相关性的局限性,针对Internet检索对象是Web页面,具有篇幅较小的特点犤2犦,提出“主题关键词集合”的概念,利用词间相关性,通过计算用户查询词集合与网页主题关键词集合之间的距离,对检索结果重新排序。

基于词间语义相关度的搜索结果聚类算法

将查询结果根据内容进行聚类是提高搜索引擎服务质量的关键技术之一.搜索结果聚类时只能从文档标题和文档片段中抽取有限信息,传统聚类方法难以准确计算其相似度.提出了一种基于词间语义相关度的搜索结果聚类算法,该算法以词为聚类的核心,词所出现的文档为词的属性,根据词在搜索结果文档中共现的情况来划分类别.该方法可以充分利用词间的语义相关性,类别划分后即可确定类名.实验结果表明,对搜索结果聚类时与K-Means和STC算法相比,质量上有所提高.

汉语真需要词间空格吗——对汉语分词连写献疑

汉语分词是中文信息处理的一项基础性工作。为避免人工阅读或机器处理时的分词歧义和未登录词难以识别的问题,有专家建议写作时在汉语词之间添加空格。文章从语言学本体研究、语言使用以及语言工程等不同角度对传统观念下的汉语分词存在的困难进行探讨,指出汉语分词在词的定义、群众语感以及分词规范、词表确定及工程应用等方面都存在不确定及不一致等因素。近年汉语自动分词处理不纠缠于词的确切定义,以字组词,针对标注语料和网络上带有丰富结构信息的海量文本,利用机器学习方法对汉语"切分单位"的标注取得了较好的进展。针对基础性的汉语分词规范,从语言规划的政策性、科学性及引导性角度提出建议,最后指出结合语言学指导和数据驱动的机器学习策略,可望为实现汉语自动分词的准确性和适应性提升服务。

文字中的字间空隙和词间空隙

人类的文字可以分为表意文字和表音文字两个大类。它们中间存在两种空隙:字间空隙和词间空隙。字间空隙就是字和字之间的空隙。这是所有文字必须具备的。任何一种文字体系,在视觉上不可能是不能分解的—个图形或者线条集合。

词间相关性的CMRM图像标注方法

自动图像标注因其对图像理解和网络图像检索的重要意义,近年来已成为新的热点研究课题.在图像标注的CMRM模型基础上,提出了一种基于词间相关性的CMRM标注方法.该方法提取了标注字之间的词间相关关系,并利用图学习算法,通过将词间相关性矩阵叠加到初始标注矩阵的方法对标注结果进行了改善.利用Corel5k标注图像库中的自然场景图像进行实验.实验结果表明,该方法很好地完成了对测试集图像的自动标注,在查全率与查准率上较CMRM模型有所提高.

叙词表编制标准的词间关系比较研究

文章从语义信息检索角度,分析了叙词表编制标准的重要性,以3个叙词表编制标准为研究对象,从词间关系分类角度对比分析了国际叙词表编制标准、中国叙词表编制标准和美国叙词表编制标准之间存在的异同,在此基础上,总结出中国叙词表编制标准存在的不足,提出了我国叙词表编制标准重新修订的建议。

基于词间关系分析的文本特征选择算法

传统的特征选择方法通常使用特征评价函数从原始词集中筛选出最具有类别区分能力的特征。这些方法是基于以独立的词作为语义单元的向量空间模型,忽略了词与词之间的关联关系,难以突出文本内容中的关键特征。针对传统特征选择方法的不足,本文提出一种新的基于词间关系的文本特征选择算法。该方法考虑对文本内容表示起到关键性作用的词,利用关联规则挖掘算法发现词语之间的关联关系,并且通过相关分析对强关联规则进行筛选,最终生成与类别属性密切相关的特征空间。实验结果表明,该方法更好地表示了文本的语义内容,而且分类效果优于传统算法。

中文词间词和词内词预视加工的差异:词间阴影的作用

为了考察词语的属性特征对预视加工的影响,实验操纵注视字与预视字是否属于一个语言单元,利用眼动轨迹记录法并结合边界范式以探讨其对预视效应的影响。此外,考察了词边界信息对词间词和词内词预视加工的影响。结果显示,词内词的预视效应大于词间词,词间阴影、非词阴影条件下的预视效应和正常条件之间没有差异。说明阴影提供的词边界对词间词和词内词的预视加工无影响,支持词切分和词汇识别模型,即词切分和词汇识别是同时进行的。

基于SVM和词间特征的新词识别研究

中文分词的难点在于处理歧义和识别未登录词,因此对新词的正确识别具有重要作用。文中结合提出的新词词间模式特征以及各种词内部模式特征,对从训练语料中抽取正负样本进行向量化,通过支持向量机的训练得到新词分类支持向量。对测试语料结合绝对折扣法进行新词候选的提取与筛选,并与训练语料中提取的词间模式特征以及各种词内部模式特征进行向量化,得到新词候选向量,最后将训练语料中得到的新词分类支持向量以及对测试语料中得到的新词候选向量结合进行SVM测试,得到最终的新词识别结果。

面向知识组织的术语数据库词间关系构建研究——以农业机械化术语数据库为例

术语数据库是当前知识组织领域的研究热点。本文将叙词语言的词汇控制原理引入到术语数据库中,利用自然语言处理技术构建农业机械化术语数据库词间关系,使术语数据库由现有的单纯的术语电子词典向术语信息叙词化转变,以更好地发挥术语数据库在网络环境中的知识组织功能。

基于域名词间关系的字典型恶意域名检测方法

大量僵尸网络开始采用字典型域名生成算法(domain generation algorithm,DGA)进行命令与控制(C&C),使得计算机网络面临愈加严重的威胁.针对字典型域名生成算法所生成的恶意域名具有与正常域名相似的字符特征及传统的基于域名字符统计特征与2-gram模型的检测方法逐渐失效的问题,提出一种基于构成域名字符串的单词词间关系来识别字典型恶意域名的方法.实验结果表明,对于字典型恶意域名家族,该方法的F1值比基于域名字符统计特征的方法提升了3.45%,比2-gram模型提升了2.84%.

基于煤矿瓦斯安全本体模型的词间关系研究及思考

采用本体构建的方法,建立煤矿瓦斯安全本体模型,对其词间关系进行了分析和研究,再结合科学计量学和社会网络分析的方法,定量评价研究本体框架中的词间关系,以期可以通过建立更系统全面的模型来评价不同词间关系,提升煤矿工作人员和管理人员识别不安全状态和避免不安全行为的能力,进而对煤矿安全系统的建立和安全管理保障安全生产提供帮助。

一种考虑词间关系的汉字句变换算法及其优化

本文介绍一种考虑词间关系的汉字句变换算法，并且介绍了算法的优化方法。本文还对可能的发展方向作了简单的介绍。