基于张量递归神经网络的英文语义关系分类方法研究

语义关系分类作为当前语义技术的一个基础领域,获得广泛的关注。提出基于张量空间的递归神经网络算法,利用张量(向量-矩阵对)表示单词,获得更准确的语义分类结果。通过无监督的结构化方式训练模型,大大简便分类过程,舍弃了人工手动标注。实验表明,该算法可以有效识别语义关系,比传统算法性能提高5%以上。

客观知识体系中基于语义域的语义关系组合分类模型研究

当前对客观知识体系中语义关系组合方面的研究相对较少，且目前都无法为任意两个相邻语义关系的组合提供判断依据。由于现有的客观知识体系中偶然存在着大量的有组合结果的语义关系组合样本数据的存在，使本文采用分类模型来研究语义关系的组合问题成为可能。此外，本文将语义域引入语义关系组合分类模型，为语义关系组合模型研究提供了一个新的途径。所以，本文从特征项抽取构造和模型构造两方面人手来建立基于语义域的语义关系组合模型，并从整体准确率、各个组合结果的准确率和前人结论的准确率三个方面对实验结果进行分析，归纳出了基于语义域的语义关系组合规律和研究的局限性。

汉语显式篇章关系分析

篇章关系分为显式和隐式两种。显式关系的显著特征是篇章的基本单元之间存在显式连接词。针对汉语显式篇章关系,构建了包括汉语连接词识别和篇章关系分类的显式篇章关系分析平台。该文选取汉语宾州树库(Chinese Penn Treebank,CTB)中的500篇文本进行了汉语显式篇章关系标注;结合连接词的中心词,采用最大熵分类器构建了汉语连接词识别模块,其性能F1值达到了66.79%;基于连接词及其词性等上下文特征,构建了篇章关系分类器,其在最顶层4大类语义关系上的分类性能的F1值为91.92%。

守恒与嬗变:认知角度的英语复合词汉译研究

语义关系图式为复合词的分类法描画了新的理论框架,揭示复合词内部成分间的认知图式。本文发现,英语复合词的语义关系图式在汉译过程中大部分保持完全或非完全匹配,部分发生模型内和跨模型的转换。这启发了从认知角度将复合词语义关系图式匹配与转换作为创新翻译策略。将复合词内部语义关系图式的匹配度作为翻译评价中的重要参考,可为传统翻译理论、翻译批评、翻译实践、翻译教学和机器翻译带来启发与突破。

“SとぃぅN”的成立条件——试论被修饰名词N的分类

这个连体修饰结构在日语中使用频率较高,本文尝试从考察大量例句入手,分析归纳与前后连接的连体修饰节S和被修饰名词N之间的语义关系以及N的意义特性,认为其基本关系为具体与抽象的语义关系,被修饰名词N主要表现为与人类活动相关的名词,具体可分为"感情、思考、语言、生活、抽象"等五大类。以此来考察"S N"的成立条件。