A Method for Constructing Open-Domain Chinese Entity Hypernym Hierarchical Structure

Entity relation is an essential component of some famous knowledge bases,such as Freebase,Yago and Knowledge Graph,while the hyponymy plays an important role in entity relations that show the relationship between the more general terms(hypernyms)and the more specific instances of the terms(hyponyms).In this paper,we present a comprehensive scheme of open-domain Chinese entity hypernym hierarchical construction.Some of the most important unsupervised and heuristic approaches for building hierarchical structure are covered in sufficient detail along with reasonable analyses.We experimentally evaluate the proposed methods and compare them with other baselines.The result shows high precision of our method and the proposed scheme will be further improved with larger scale corpora.

遵循逻辑规律优化年鉴篇目

年鉴定义有“自然、政治、经济、文化、社会”五个种概念,而年鉴篇目设计顶层缺自然,仅在“概览”之下简述自然地理;自然是人类社会活动赖以生存的空间,环境保护,生态文明建设是五大建设的基础,遵循人与自然和谐共生的自然规律,应整合现有篇目,创建年鉴之基“自然环境”部类置于卷首。推进精品年鉴建设,优化年鉴篇目,要严格遵守逻辑规则,一、二、三产业顺序不能打破;同属“概况”栏目应同类相聚连成一个部类,同属概念“综述”“概述”不能相互领属,属种(上下)概念不能并列,种概念不能代替属概念,农村经济、工业经济不代表整个农业、工业;社会分工时有变化,篇目就得与时俱进调整结构;一次文献“辅助资料”不能置于卷首影响著述性。

当代汉语新兴词族的形成机制与衍生动因——基于“X女郎”词族的个案分析

本文以当代汉语词库中的一组新兴词族"X女郎"为考察对象,探讨了它们的形成机制与语用动因。就其形成机制而言,"X女郎"首先模拟了原型词"邦女郎"的语义、语用关联框架,伴随着"X"的泛化与"女郎"一词的去范畴化,在汉语中拷贝生成出一个"X女郎";随后,"X女郎"凝固为一个能产的词语模。而它的衍生动因则涉及语言内部与语用两方面因素。

“山寨X”词串衍生机制的认知分析

以"山寨X"词串为考察对象,探讨该词串在衍生过程中的语义、语用框架的模因机制;在经历心理固化,构建"山寨X"词语模过程中,"山寨"语素的去范畴化和"X"语素的泛化起关键作用。"山寨X"词语模构式一经产生,便具有了能产性。

民国抗战史主题词表自动构建研究

针对民国文献资料开发利用的实际需求,以民国抗战史主题词表为例提出一套专题主题词表自动构建方案,用以组织民国资料信息并探索专题词表的构建技术。以《申报》为主要语料,通过实例给出民国抗战史主题词表构建关键技术解决方案,包括多种途径收集民国抗战史领域词汇,采用词频统计、同现分析等统计自然语言处理方法辅助编表专家确定词表收词范围和识别词汇之间的概念关系,并探讨了民国抗战史主题词表的宏观结构、收词范围和方法、存储与发布利用。运用自动化方法并辅以人工判定实现主题词表的构建,能够节省编表时间,降低编表负担和节约成本,便于词表维护,从而促进主题词表的应用和推广。

{割刈}概念域上位词概念结构的历时演变及其替换

元代以前{割刈}概念域的上位词为“刈”;明末清初以后“割”取代“刈”成为该概念域的上位词。文献用例表明,二者都可表征如下三个概念层级:一是指称把长着的草本植物收割下来;二是表示把长着的庄稼收割下来;三是称说把动物肢体切割下来。但各自出现的时间不同:第一个概念层级表征的时间“刈”始于春秋,“割”则在西汉后期;第二个概念层级表征的时间“刈”始于战国,“割”则远在宋代;第三个概念层级表征的时间“刈”始于战国末期,“割”却早在战国中期。此外,“割”还可指称把除草本植物、庄稼和动物肢体外的可割截者切割下来,据此“割”表征的是四个概念层级。本文旨在从语义动态识解视角为词汇的历时演变研究作一点探索。

汉语中方位参考点恢复研究

方位参考点恢复是自然语言空间语义理解中十分重要问题.方位参考点恢复是在篇章中找方位词的参考点并补充上,得到完整的空间表达式.目前,自然语言处理技术大多面向句子级,导致省略参考点空间表达式独立出现,使空间语义理解困难.方位参考点恢复无疑可以解决类似问题.在此提出基于有限知识的方位参考点恢复方法.在句法分析基础上,以知网为常识库,结合有限知识识别空间表达式以及恢复方位参考点.实验结果表明该方法比较令人满意.

基于词模式嵌入的词语上下位关系分类

提出一种基于词模式的上下位关系分类方法,可以有效地缓解传统的基于模式的分类方法存在的稀疏问题,提高了关系分类的召回率。进一步地,通过词模式嵌入,将基于模式的方法与基于词嵌入的方法进行有效的融合。为了验证方法的有效性,标注一个包含12000个汉语词语对的数据集。实验结果表明,该词模式嵌入方法是有效的, F1值可以达到95.36%。

汉英翻译中义位不对称的动因

在汉英翻译中,有大量义位不对称的现象。造成翻译中汉英义位不对称的表层动因包括汉英义场的切分差异、汉英词项的标记性差异及韵律因素等,其深层动因则涉及语际转喻。

汉语上下位关系分类数据集构建和基准方法比较

针对目前缺少较大规模的高质量上下位关系数据集以支持充分的模型训练和评价的问题,提出了一个完整、系统的上下位关系标注规范,并在此规范基础上标注了一个包含15024个汉语词对的高质量上下位关系数据集.所有数据均采用独立双人标注和专家不一致审核,双人标注一致性达94.20%.并且基于该数据集,对前人提出的几种典型分类方法进行了对比和分析,其中融合多特征的依存路径表示模型的F1值达到91.95%.

论上下义关系及其对英语写作的启示

上下义关系是一种重要的词汇关系,并在英语教学中得到了广泛的应用。针对当前学习者英语写作中存在的问题,在教学中引入上下义关系可以帮助学习者构建合理的文章结构,丰富文章的措辞和修辞手段,从而提高英语写作的质量。

基于模板的中文上下位关系抽取方法

基于模板的上下位关系抽取是上下位关系自动获取的重要方法。目前学术界通常采用两类模板,但目前中文上下位关系抽取研究尚缺乏对这两类模板的客观比较。针对这一问题,提出基于大规模语料的匹配抽取和高质量人工标注,以实现对两类模板的优劣进行客观对比和评价,为上下位关系自动获取提供坚实基础。对于四种主流的上下位相关句型,在3800万句中文语料上进行匹配抽取,并人工标注2800个随机抽取的上下位候选词对。实验结果表明,依存句法模板的准确度比词法模板高出9.07百分点,而召回度则略低了0.32百分点。

基于词法匹配与词嵌入的医疗知识实体上下位关系抽取

实体上下位关系是一种重要的语义结构,在知识图谱、信息检索等多个领域有着重要应用。论文提出一种融合词法匹配与词嵌入的医疗知识实体上下位关系抽取方法。该方法以Hearst词法模式匹配为基础,抽取相似词以扩展候选上下位关系集合,引入分段线性投影方法将基于词嵌入的上下位关系判别模型应用于抽取任务,并给出融合两种方法来计算上下位关系可能性算法。实验结果表明,论文提出的综合方法在SemEval-Task 9的医疗数据集上,相比该任务的最佳方法MRR、MAP和P@1分别提高了4.40%、0.23%和2.00%,具有很好的效果。

IPC自动分类技术的研究与应用——辅助自动分类的算法实现

一种无需语料库和复杂数学模型支持的IPC分类简单方法。该方法借助IPC分类表、同义词库、人工辅助植入同义词或上位词增加权重等手段,调整分类倾向,来捕捉文献相应的主分类和相关分类。该方法可作为信息加工专利文献分类的辅助工具。

“自下而上”与“自上而下”本体构建方法的探讨

本体构建旨在对知识体系的概念和关系建模并形成体系化的知识,从而辅助计算机进行智能化的处理。上位本体包含的概念是与领域无关的通用概念集,而多数通过算法自动提取而获得的本体主要用于特定领域的概念知识。本文首先介绍在本体构建中领域核心本体(也称中位本体)和应用(也称下位本体)之间的关系。然后以计算机领域为例,阐述一个如何利用英文的上位本体SUMO通过"自上而下"的方法建立的中位本体。基于下位本体的特性,本文进而介绍一种"自下而上"的本体构建方法。

上下位关系抽取方法及其在金融市场的应用

【目的】针对知识图谱的上下位关系抽取技术,提出基于映射矩阵和词向量相似度相结合的抽取方法,并探索在实际应用中的有效性。【方法】构建对应不同类别上下位词对的多个映射矩阵,充分运用实体词汇及其上下文包含的语义信息,进而利用映射矩阵识别实体词对间是否存在上下位关系。【结果】该方法在测试集上的综合表现比已有方法的F1值高出0.032 1。以上市公司为数据集的实验结果表明,该方法有助于研究公司相似度和股票联动的相关性。【局限】可尝试对更多的上下位词对聚类,以更精准地区分上下位关系的类别;可引入模式匹配方法,对该方法进行补充,提升抽取效果。【结论】所提方法能够有效进行实体上下位关系识别,并能有效帮助挖掘金融市场中存在关联的上市公司、股票板块等,在金融领域的知识图谱构建中有推广和应用前景。

面向词汇知识库自动构建的概念术语关系识别

提出一种面向概念词汇知识库自动构建的术语关系识别方法,着重研究概念词汇上下位关系的统计和词形规则特征,提出一个多特征融合的概念关系识别模型。实验结果表明该模型对同义关系和上下位关系的识别是有效的。

基于模式和投影学习的领域概念上下位关系自动识别研究

【目的】实现对领域概念上下位关系的自动识别,以解决领域本体自动化构建中领域概念间语义关系的自动获取和确立问题。【方法】将传统无监督的基于模式的方法和当前先进的有监督的基于投影学习的方法有机结合起来,应用于领域概念上下位关系自动识别,并进行了实验研究。【结果】能识别出领域概念的上位词集合,在医学领域的识别精度为0.88,通用领域的识别精度为0.83,在评估基准集BLESS上的平均精度为0.85。【局限】受句法歧义、语料集质量等影响,模型精度尚未达到峰值,存在错误识别的情况。【结论】可发现同一概念词的不同意义的上位词,对低频词和命名实体也具有较好识别效果。未来可考虑从对高频顶层上位词进行适当减权、提升有监督语料集的质量等方面进行优化。