再论“VC_(1)OC_(2)”中宾语的语义类及范畴化现象——基于新兴准口语语料库

基于自建近五年准口语语料库,系统论述13个复合趋向补语中宾式中宾语的语义类别与典型范畴成员,这可以为语法教学顺序的安排和教材内容的编写提供有益的参考与借鉴。与年份较早的偏重于书面语的研究成果相比,只有“V起O来”中宾语语义类别的典型成员发生了变化,其余复合趋向补语基本保持一致。这在一定程度上反映出“起来”在复合趋向补语语义虚化进程中的迅猛势头。

语义类标记在中国手语词词汇识别和语义提取中的作用

通过2个实验,考察了语义类标记在中国手语词汇识别和语义提取中的作用。实验1采用手语词汇判断任务,比较了有、无语义类标记的手语词汇识别。实验2采用语义决定任务,探讨了语义类标记对手语词语义提取的影响。结果表明,语义类标记影响聋生对手语词的识别和语义提取。聋生识别有语义类标记的手语词显著快于识别无语义类标记的手语词。当语义类标记与手语词的语义一致时,能够促进聋生对手语词的语义提取;当语义类标记与手语词的语义不一致,会干扰聋生对手语词的语义提取。中国手语词语义类标记效应的发现,丰富了中国手语词词汇认知的理论,对聋人的语言教学和概念教学具有重要的启示。

现代汉语方式范畴的语义类研究

方式范畴是重要的语义范畴,根据方式成分跟动作行为实现的相关程度的不同,方式范畴可以分成致使类方式和非致使类方式;根据动作主体在结果实现中的作用,致使类方式又可以进一步细分为有意致使方式和无意致使方式;根据非致使类方式跟动作行为是否具有伴生性,非致使类方式可以进一步细分为伴生类方式和非伴生类方式。

VC_1OC_2中宾语的语义类及范畴化现象

本文以对现代汉语语料库中的语料统计为基础,详细考察了不同的VC1OC2中宾语的语义类,发现不同的VC1OC2中宾语的语义类有相同之处,也有不同之处。文章指出,不同的VC1OC2中的宾语的语义类存在着范畴化现象。

一种基于软模式的语义类发现方法

为解决基于模式的方法发现语义类时召回率和精确率低的问题,提出了一种基于软模式的语义类发现方法,该方法首先利用bootsrapping方法获得传统的模式,即硬模式,然后再扩展生成软模式,最后通过计算待测模式的分值实现软模式的模糊匹配,从而完成语义类的发现.在人民日报语料上测试最低召回率可达到60.1%.表明由于软模式可以包含丰富的信息,形式更加灵活,而且可进行模糊匹配,在保证系统高召回率方面表现良好.

俄语无连接词复合句的结构──语义类别

俄语无连接词复合句的结构──语义类别王秀钟无连接词复合句是俄语句法体系中的一个组成部分。有关无连接词复合句的许多问题至今仍无定论。特别是关于无连接词复合句的分类原则，众说纷云、莫衷一是。各种分类固然观点相左，原则不一，方法各异，但有一点是共同的：它们...

俄语中依附于动词的不定式及其主导动词的词汇—语义类别

俄语中,能与完成体或未完成体动词不定式搭配的动词很多。这些动词在语义上是受到限制的——只有表示某些意义的动词才行。这些动词和动词不定式连用,构成“动词——动词不定式”词组,形成不定式对主导动词的依附联系。从属于主导词的不定式在语义、语法方面也有显著特征。例如,这样的不定式有时必须是完成体,有时必须是未完成体,有时则两种体均可。然而,一般词典或语法书对这种主导词及其从属不定式的特征都描述得不够充分。

基于语义类和物性角色建构名名组合的释义模板

本文以现代汉语(特别是网络搜索词)中名名组合的语义关系及其解释为主要研究对象,尝试在《现代汉语语义词典》中名词的语义分类和"生成词库论"中物性角色思想的指导下,通过搜集和分析语料、人工总结,来建立名名组合的语义类组合模式,进而发现两个名词之间所隐含的谓词;藉此揭示和表示这两个名词之间的语义关系,构建名名组合的释义模板,并且汇集成一个汉语名名组合的释义模板库。正是在这个数据库的基础上,我们初步实现了一个汉语名名组合的自动释义程序。

基于语义分类和描述框架的网络攻击知识抽取研究及其应用

随着计算机技术的迅猛发展,自然语言处理成为计算机科学领域与人工智能领域中的一个重要方向,且文本知识获取(knowledge acquisition from text,KAT)是人工智能的重要研究内容。当前对于文本研究,大多采用关键字以及机器学习方法,准确率并不高。该文提出了一种基于语义文法的中文网络攻击事件知识获取方法。首先介绍参考FrameNet构建的语义分类和描述框架,它在现代汉语基本句模分类的基础上进行了扩充和改进。其次,重点介绍了攻击文本中最常见的遭受类语义类的设计和形成过程。然后将语义分类和描述框架应用在"网络安全"领域,形成"网络攻击语义类",并介绍在建立"网络攻击语义类"时遇到的难题,包括文法的设计中对事元的确定、复合句的处理、"的是"结构句型的分析设计、谓词设计等。最后,使用国家某安全部门提供的真实数据进行网络攻击知识抽取,实验表明该方法具有较高的准确率。

状态形容词的句法语义分类

理论语法注重探讨语言现象的规律,信息语法则着眼于语言规律的实际操作和运用,两者之间存在着相通的一面,但也有着一定的差别。从信息用分类看,现代汉语状态形容词的结构形式和句法功能之间存在着一定的对应关系,但并不像理论语法所指出的那么突出,不对应的情况也是较明显的。状态形容词可以分出若干句法语义类,这些类别都能寻求到相应的语义解释,或都有着相应的语义动因。

汉语述语动词框架分类及其语义限制

汉语述语动词框架分类及其语义限制张庆旭述语动词框架是指述语动词同其周围名词性成分的语义组合模式。述语动词框架是人和计算机理解、运用语言的关键。述语动词框架研究，是一个符合人、机两用需要的科研课题。语言学家吕叔湘先生指出：＂动词为什么重要？因为在某种意...

基于语义聚类的协作推荐攻击检测模型

协作过滤推荐模型目前已被广泛应用于电子商务等环境。由于其对用户偏好数据敏感,因此攻击者可以通过注入伪造的用户偏好数据来影响推荐系统的预测。提出了一个基于语义聚类的协作过滤攻击检测模型,从分析项目的语义入手,针对攻击数据中的随机性,通过分析用户兴趣的组合来评判用户偏好数据的真实与否。大量的实验证明,该模型能有效地检测协作过滤推荐中的注入攻击,从而大大提高了推荐系统的鲁棒性和可靠性。

基于局部语义聚类的语义重叠社区发现算法

语义社会网络是一种包含信息节点及社会关系构成的新型复杂网络,因此以节点邻接关系为挖掘对象的传统社会网络社区发现算法无法有效处理语义社会网络重叠社区发现问题.针对这一问题,提出基于局部语义聚类的语义社会网络重叠社区发现算法,该算法:1)以LDA(latent Dirichlet allocation)模型为语义信息模型,利用Gibbs取样法建立节点语义信息到语义空间的量化映射;2)以节点间语义坐标的相对熵作为节点语义相似度的度量,建立节点相似度矩阵;3)根据社会网络的局部小世界特性,提出语义社会网络的局部社区结构S-fitness模型,并根据S-fitness模型建立了局部语义聚类算法(local semantic clusterm,LSC);4)提出可度量语义社区发现结果的语义模块度模型,并通过实验分析,验证了算法及语义模块度模型的有效性及可行性.

一种基于语义相似度的信息资源语义聚类算法

根据各分布信息源信息单元实体类的语义相似度,对于信息单元实体类进行聚类,是半自动地进行本体映射、构建分布异构信息资源全局视图的重要步骤。本文面向分布信息资源统一信息视图构建需求,利用基于本体的元数据模型及语义相似度,在其基础上定义了语义聚类特征,基于语义聚类特征设计了一种基于语义特征树的混合层次聚类算法SCFBHCA。从理论和实验两个角度对SCFBHCA算法进行了分析,对比HCA和HCP,该算法具有增量式和扩展性且效率更高。

基于词向量语义聚类的微博热点挖掘方法

随着社交媒体的迅速发展,信息过载问题越发严重,因此如何从海量、短小而充满噪声的社交媒体数据中发现和挖掘出热点话题或者热点事件成为一个重要的问题。结合社交媒体数据实时性、地理性、包含较多元数据等特点,提出了用户行为分析与文本内容分析相结合的热点挖掘方法。在内容分析过程中,提出了从更细的词语粒度进行聚类,以代替传统的在消息粒度进行聚类的经典方法。为了提高话题关键词提取的效果,引入了基于词向量技术,并通过语义聚类的方法进行热点挖掘。在真实数据集上的实验结果表明,该方法提取的关键词语义关联性强、话题划分效果好,在主要指标上优于传统的热点挖掘方法。

一种基于统计语义聚类的查询语言模型估计

如何有效生成文档聚类并使用聚类信息提高检索效果是信息检索中的重要研究课题.如果假设文档中存在若干隐含的独立主题,那么文档可以看成是由这些隐含的独立主题混合噪声相互作用的结果.基于这个假设提出了一种基于独立分量分析的语义聚类技术,试图借助于独立分量分析的良好主题区分能力,将一组文档按照实际隐含的主题在语义空间上聚类.在语言模型的框架下,语义主题聚类将由用户初始查询按照一定的度量方式激活.利用激活语义聚类的信息估计一个反馈语义主题模型,并与初始查询模型一起形成新的查询模型.在5个TREC数据集上的实验结果表明:基于统计语义聚类估计的查询模型相比传统的查询模型以及其他基于聚类的语言模型在检索性能上有显著性提高.其主要原因是应用了和用户查询最相似的语义聚类信息来估计查询模型.

基于语义聚类的创意价值评估指标提炼与体系构建

通过搜集创意大赛公告文本,运用语义聚类方法提炼创意评价指标,构建了由5个一级指标、13个二级指标构成的创意价值评估指标体系,该体系分别从新颖性、表观性、功能性、环保性、可行性5大方面测算创意综合价值。该创意价值评估指标体系在经过算式化后,特别适用于创意爆炸时代对海量创意价值的快速评估,进而有助于从中快速发现和筛选高价值创意。

SOSC:一种基于自组织语义聚类的P2P查询路由算法

在没有辅助机制的条件下,非结构化P2P网络资源定位技术的效率比较低,很难同时获得较低的查询延迟、少量的定位成本和较高的查询命中率,为此,提出了一种基于自组织语义聚类的P2P查询路由算法SOSC.SOSC算法通过直接用节点共享资源的关键词频率向量表达节点语义,各节点均试图与最相似的节点建立邻居关系,以及以指数衰减方式传递节点语义向量,创造性地解决了对等计算环境中聚类语义的表达和传递问题,使得节点可感知周围节点的语义层次,从而使得各节点均可以语义聚类为基础进行快速路由.分析和实验均表明,SOSC算法具有较小的路由延迟、较低的查询代价和较高的查询命中率.

基于关联挖掘和语义聚类的Deep Web复杂匹配方法

为了提高DeepW eb查询接口匹配的效率和准确率,在现有双重相关性挖掘方法(DCM)的基础上提出了一种用关联挖掘和语义聚类来匹配的方法。在关联挖掘成组属性时,引入一种基于互信息的属性相关度标准,并采用矩阵来实现以解决效率不高问题;在生成同义属性时,提出利用语义网来计算语义相似度,并对属性进行聚类,以生成同义属性。通过在四个领域200多个查询接口上实验,说明改进的方法在效率和准确率方面都比DCM方法有很大提高。

自组织P2P网络的语义聚类查询算法

P2P网络中参与资源共享的节点日益增多,且呈海量趋势。如何在海量用户海量资源的情况下,查询整个P2P网络中的资源语义分布,计算网络中的所有语义聚类,是一个颇具挑战性的问题。针对这一问题,本文提出了一种面向自组织P2P网络的语义聚类查询算法SCQASPNSR。该算法可高效计算整个P2P网络中的语义聚类,为研究网络中资源语义分布、进行有效的知识发现,提供了有力支持。