藏文PDF文档转换为Word文档方法

各类办公软件中PDF、Word格式的文档在文字处理和保存等方面的使用率极高,而在藏文PDF文档转换成Word文档中存在乱码和漏读的问题。因此,文章针对此类问题作了相关研究并提出了基于藏文乱码字典的PDF文档转换方法,有效地提高了文本文件转换的正确率。

一种基于八词位标签的BiLSTM_CRF藏文分词方法

藏文分词是藏语自然语言处理的一项基础性任务,其性能影响藏文自动摘要、自动分类以及搜索引擎等多个方面。基于词位标注的藏文分词方法通常使用四词位标签集,为了更全面地提取特征信息和更深层次的语义信息,该文提出了一种八词位标签集,采用BiLSTM_CRF模型得到一种基于八词位标签的BiLSTM_CRF藏文分词方法。实验结果表明,该方法取得较好的分词效果,在测试数据集上的准确率、召回率和F1值分别达95.07%、95.57%和95.32%。

藏文情感词典构建的现状分析

近年来,许多研究者证实,基于深度学习的多特征融合情感分析方法比纯深度学习方法更能挖掘文本的情感信息,其中情感词特征是最重要的特征之一。目前,藏文虽然有少量的情感词典,但基本上没有公开,想要使用藏文情感词典资源,只能自行构建。研究藏文情感词典的构建现状能对后续藏文情感词典的构建提供帮助。为了解藏文情感词典的词汇分类方法、常用词典构建方法以及已有藏文情感词典的词汇量与词汇构成等方面的研究现状,文中通过对比和统计等方法分析了近10年藏文情感词典构建相关的文献(以CHKI为主),总结出了藏文情感词典构建方面的研究状况。经研究发现,情感词的分类方法中,主要有7大类21小类、12大类20小类、2大类18小类等。藏文情感词典的构建方法包括词典匹配、机器翻译、SO-PMI扩充、基于word2vec或BERT的相似度扩充方法等。已有藏文情感词典的词汇量大致在5000至28000之间,接近中文情感词典的水平,词汇构成主要包含情感词、程度副词、否定词、双重否定词、表情词等。希望为相关研究人员提供参考。

面向藏文文本的人物关系抽取语料库的构建

作为实体关系抽取研究的重要基础,构建高质量、标准化的语料库能够提高实体关系抽取任务的精确度和召回率。目前,藏文关系抽取语料库构建大多依靠传统人工标注方法且局限于特定领域,存在标注效率低且人物关系语料库相对缺乏的问题。文章构建了藏文人名实体识别语料库;通过分析人物关系特征和实体关系类别及其标注规范,构建触发词词典进行语料回标,生成15400条实体识别和8000条藏文人物关系抽取标注语料。为验证语料库的可用性,利用命名实体识别和关系抽取实验进行统计分析,其实体识别F1值达到67.2%,关系抽取F1值达到66.2%,结果表明该语料库的构建对后续面向藏文人物关系抽取研究提供了数据基础。

体认翻译学视野下的汉语藏族文化负载词翻译——以《尘埃落定》英译本为例

借助体认翻译学的体认观对《尘埃落定》的英译本《Red Poppies》中的78个藏族文化负载词进行了计量分析。文化图式缺省和“体”与“认”的失联导致了部分藏族文化负载词翻译的偏离和歪曲。未来译者应在体验现实的基础上,调动认知机制,将“体”与“认”紧密结合翻译文化负载词,推动中国文化走出去。

词切分对藏-汉读者汉语阅读的影响:语言水平的调节作用

采用EyeLink 1000 Plus型眼动仪,以40名藏族大学生为被试,以汉语句子为阅读材料,探讨词切分对藏-汉读者汉语阅读的影响及语言水平的调节作用。实验采用空格词切分方式,设置了四种呈现条件:正常句子、字间空格、词间空格和非词空格,并操纵了读者的汉语水平。实验结果表明:词间空格对藏-汉读者的汉语阅读起到了一定的促进作用,不同汉语水平藏-汉读者阅读汉语时的眼动模式存在差异。

藏语“酒”类词语的文化探讨

在藏族1300多年的文明发展史中,酒已经成为人们思想、文化、道德、伦理的综合载体。藏语“酒”类词语作为藏族语言与文化的一个重要组成部分,其表现形式丰富多彩,从藏语酒的种类、器具等物质方面,上升到酒的礼俗、饮趣等精神方面。藏语“酒”类词语几乎涉及藏族社会生活的方方面面,它们的形成和发展,反映了语言与文化的相互影响和相互渗透,传递和表达着藏民族用酒的习俗和心理,反映出藏族的人生观、道德观以及人们相应的价值取向、认知方式、行为模式等文化心态。藏语“酒”类词语极其丰富,文化内涵博大精深,这些词语不仅反映了藏族所创造的物质文化、精神文化和心理特征,而且美化了藏族的社会生活,丰富了藏族人民的文化与精神世界。文章运用民族学及社会语言学的研究方法,对藏语“酒”类词语进行收集、整理和语义解析,从中梳理出藏族重礼仪、重饮食文化的价值观,重伦理道德、重和谐的意识取向和民族思维方式及心理特征。通过对藏语酒类词语的记录和释义,进而探讨其蕴含的文化语义、文化形式、文化特征和文化作用。

藏文虚词知识融合的藏汉机器翻译方法研究

针对藏文虚词的文法特点,设计了基于藏文虚词知识融合的方法,该方法能够提高藏汉翻译的效果。首先通过全部藏文虚词知识融合、过滤兼类虚词知识融合、单音节虚词知识融合和多音节虚词知识融合,得到四种对应语料,其次将其在Transformer模型和mBART模型上进行了实验,使用轮数集成和不同网络结构集成来提高最终模型的泛化能力。对比实验证明,藏文虚词知识融合算法与模型集成策略可以提升藏汉机器翻译的翻译效果,最高可以达到38.05个BLEU。

基于Android的“藏语帮”APP设计与实现

基于Android移动终端的“藏语帮”APP是一款藏语言单词记忆学习软件。为了满足藏语言爱好者热切的学习需要,使得藏语言学习摆脱传统面试教育的桎梏,更加适应现代社会,采用模块化的设计理念,运用Android与Java技术,成功开发出了一款基于安卓移动终端,前后端分离的藏语言单词记忆学习软件,使得藏语学习更加便捷,让用户可以轻松掌握基础单词。

汉藏新闻翻译中引语词译法——以“强调”和“指出”为例

引语词是汉藏新闻翻译中经常出现的词汇类型,它在引用他人话语时起到连接与突出语言的作用。然而,汉藏新闻翻译中对于引语词的翻译,至今未能形成统一规范的译法。以“强调”和“指出”为例,普遍译为“nan gyis bstan don”和“bstan don”,这种把动词误译为名词或表示原因之连词的做法,不符合藏语引语语法规则和语言逻辑。因此,应该按照藏语语法规则进行翻译。规范翻译模式是汉藏翻译标准化的有效途径,能够为汉藏新闻翻译理论化建设提供借鉴意义。

敦煌藏文文献P.T1291《春秋后语》藏译对比研究

法藏敦煌藏文文献中P.T1291是为数不多的汉译藏文文献,学术界对原文没有统一的认定,对比分析《春秋后语》《战国策》及法藏敦煌藏文文献P.T1291,可以确系该文本为《春秋后语》之译本。在P.T1291中,译者灵活运用多种译法,侧重于归化的翻译策略,对原文理解准确,表达清晰流畅,展现了吐蕃时期较为成熟的汉藏翻译水平。同时,《春秋后语》的藏译是古代汉藏文化交流的重要标志,对汉藏民族进一步交流交往交融,加强民族文化认同具有重要意义。

吐蕃碑文虚词运用特征研究

虚词是藏文的重要组成部分,了解不同时代的虚词运用及其变化,对了解藏文发展历史及其规律尤为重要。吐蕃碑文从文献来源及年代都为最“原始”的吐蕃文献之一,其内容至今没有任何篡改。依据吐蕃碑文研究当时藏文的虚词运用特征,能够管窥吐蕃时期藏文虚词的语法特征及其演变过程,从而能够探究藏文发展历史及其演变规律。本文在前人研究的成果基础上,以目前遗存的吐蕃三代赞普时期13篇碑文,研究了吐蕃时期藏文虚词的运用及其特征并加以分析。把这13篇碑文中出现的虚词分为“格虚词”和“非格虚词”两大类,运用统计法和比较法对这些虚词进行了详细的统计和梳理,并运用其特征与吞米桑布扎所著的《三十颂》及其后面形成的各类藏文语法书中讲述的虚词运用特征进行了详细的比较,从而找出演变规律。发现《三十颂》中没有出现的个别虚词在以上碑文中有使用,而如今使用的有些虚词在吐蕃碑文中没有出现,如年代越早,虚词“■gyi kyis”代替虚词“■(kyi和kyis)”的频率越高,各类后吐蕃时期藏文语法书中出现且如今使用的虚词“■(yi和yis)”在吐蕃时期的碑文及敦煌文献、钟铭文中均未出现;《三十颂》中未出现的虚词“■(te和de)”不仅在吐蕃碑文中出现的频率很高,而且用法跟后期藏文语法书中出现的基本吻合。综上,笔者认为《三十颂》中未出现,但已在碑文中出现的虚词是吞米桑布扎时期未出现的虚词;而碑文和《三十颂》中均出现但如今不使用的虚词是因为后期不再使用而导致的。因此虚词运用的特征可以作为研究古藏文文献年代的衡量标准之一。

西北地区语言接触研究:现状、问题与对策

西北地区的语言接触研究是当前语言学界关注的热点和难点。通过梳理西北地区语言接触的研究现状发现,已有研究成果着眼于语言接触产生的词汇借用现象、语言接触过程的语法复制以及语言接触理论研究等,研究形式多样,成果层出不穷。但也存在调查的深度和广度不够,比较研究、跨学科研究等有待进一步深入等问题。西北地区的语言接触研究不仅为汉语方言提供了语言接触研究的新视角,也为接触语言学提供了中国北方汉语和阿尔泰语言接触的研究个案,修正并完善了语言接触理论。西北地区的语言接触研究能够促进国家通用语言文字的发展,对于铸牢中华民族共同体意识具有重要意义。

中文传播历史中清乾隆年抄本六种“西洋译语”汉文词目考

清乾隆年抄本6种“西洋译语”乃由官方编修将汉语词条分别对译为英、法、德、葡、意及拉丁语兼用汉字注出西文读音的词汇集。仅存孤本,近年才得以刊布。参合明清《西番译语》诸本,对6种译语所依据的汉文词条进行校理、勘误,可探讨各译语之间的关系及编纂流程,为下一步汇编整理及后续研究,做好基础工作,也有利于了解中西语言文字的古代传播情况。

基于ASBC模型的藏文自动分词方法研究

藏文分词是藏文自然语言处理的前提工作,其效果将影响藏文自然语言处理的下游任务。神经网络的兴起,使结合预训练语言模型的深度学习方法成为分词研究的主流。针对传统神经网络获取语义信息有限的问题,论文利用大规模藏文语料库构建ALBERT预训练语言模型,同时引入藏文音节特征融合的方法,提出了基于深度学习的ALBERT预训练与音节特征融合的双向长短时记忆条件随机场藏文分词模型(ALBERT-Syllable-BiLSTM-CRF,ASBC)。实验在多主题数据集上进行,主要验证了ALBERT预训练语言模型和音节特征融合对藏文分词的有效性,最终模型分词效果得到明显提升。

藏文单音节单纯词抽取方法设计与实现

针对藏文词汇资源匮乏和词汇分级模糊等问题,采用词典语料和词性标注语料相结合的方法,设计了藏文单音节单纯词抽取模型,规划了详细的技术方案,构建了比较完整的词典语料库,获得了藏文单音节单纯词的分类词表,依据相对通用度得到了分级词表,其中名词、动词、形容词、副词和数词等单音节单纯词总数1414条,词性之间存在大量的兼类现象,对汉藏语言资源库建设具有重要意义.

一种基于预训练模型的藏文分词方法

藏文分词是藏语信息处理的基础与关键。虽然藏文分词技术得到了长足的进步,但在实际应用过程中仍面临着语料领域受限及未登录词问题。该文针对以上问题提出一种基于预训练语言模型的藏文分词方法,先在含有46.55亿字符的纯文本语料上进行预训练,然后利用人工标注的藏文分词语料进行进一步的微调。实验结果表明,该文所提出的藏文分词方法在MLIP2021语料上F_1值提高2.5个百分点,另外在新闻、语文、法律和自传等不同领域上分别提高4.6、6、4.2和2.3个百分点。

基于双向GRU神经网络的藏文人物关系抽取方法

关系抽取是指从文本中抽取实体并对实体之间的关系进行语义分析。本文从目前藏文关系抽取语料集稀缺的问题出发,构建了面向人物关系的藏文文本实体数据集,提出基于BERT和双向门控循环单元(GRU)神经网络的人物关系抽取方法,利用Word2vec模型得到基于分布式表示的藏文词向量表达,使用BERT和双向门控循环神经网络获取藏文文本特征进行关系分类预测。分析对比3种关系抽取模型,验证本文提出的模型与其他3类模型相比在精确率和召回率上均有所提高。

结合分词特征的藏文命名实体识别方法

命名实体识别是构建知识图谱、机器翻译、网络舆情分析等信息处理领域的前提和基础。在藏文命名实体识别研究中,传统单一字(音节)嵌入方法未能融入词的位置信息,对实体边界识别能力比较差。针对以上问题,文章提出在神经网络嵌入层嵌入字(音节)的基础上加入了分词特征,并将这两种特征融合之后送入BiLSTM-CRF模型预测藏文实体识别结果。在西藏大学自然语言处理实验室构建的数据集上进行了实验,测试集和验证集上的F_(1)值分别达到了96.99%和96.84%,实验表明该方法在藏文命名实体识别任务中的有效性。

藏语文中的字母词音读解析

字母词是一种新的语言现象,随着全球经济一体化,文化交流日益频繁,人们在日常生活中使用字母词的频率越来越高,这一现象已引起诸多语言学家的重视。如何看待字母词的使用现象、如何规范字母词的应用以及如何对字母词进行适当的语源扩注,这些问题近年来在其他民族的语言研究中颇受关注。同样,对字母词在藏语言中的使用情况,其语义类别和词条释义等,对丰富和发展藏语言文字,规范使用藏语言文字具有十分重要的意义。