检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

中心词驱动的汉语语义解释器

计算机学报 1994年第9期17卷 708-712页

作者：周斌吴立德沙新时复旦大学计算机科学系

本文介绍一种中心词驱动的汉语语义解释方法．首先讨论语义表达形式，介绍词汇映射规则和结构映射规则，然后讨论如何使用选择性约束，通过调用映射规则进行结构的转换．

关键词：中心词汉语语义解释语义解释器

在线全文

学校读者我要写书评

暂无评论

边界回归的谓语中心词识别

计算机工程与应用 2023年第22期59卷 144-150页

作者：郭晓陈艳平唐瑞雪黄瑞章秦永彬贵州大学公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025 贵州财经大学信息学院贵阳550025

识别谓语中心词是理解句子的关键,对于分析汉语结构具有重要意义。汉语结构松散导致谓语中心词识别困难,成为中文信息处理中的难点问题。由于单个句子中只有一个谓语中心词,枚举跨度将会产生大量负样本,导致正负样本不平衡。谓语中心词... 详细信息

识别谓语中心词是理解句子的关键,对于分析汉语结构具有重要意义。汉语结构松散导致谓语中心词识别困难,成为中文信息处理中的难点问题。由于单个句子中只有一个谓语中心词,枚举跨度将会产生大量负样本,导致正负样本不平衡。谓语中心词及高度重叠的负例样本之间共享相同的上下文,语义相近,容易产生误报。为了解决这些问题,提出一种基于边界回归的谓语中心词识别方法。首先识别谓语中心词的边界,然后通过边界组合生成跨度,从而减少跨度负样本的数量并且降低计算的复杂度。通过边界回归模块,更新跨度在句子中相当于谓语中心词的位置,提高跨度边界的准确性。通过增加约束策略,输出唯一的谓语中心词。实验结果显示,该模型的F值达到了84.41%,验证了该模型识别谓语中心词的有效性。

关键词：谓语中心词跨度边界回归

在线全文

学校读者我要写书评

暂无评论

“不”与所修饰的中心词的粘合现象

当代语言学 2003年第1期5卷 12-24页

作者：董秀芳北京大学

在汉语词汇的历史发展过程中,有一些短语逐渐变成了词。否定词“不”与中心词就有不少发生了这种从短语到词的变化。这是一种粘合现象,也可以看作是一种取消分界的结构层次变化,同时也会涉及到一些语法化现象。本文分析了“不” 与中心... 详细信息

在汉语词汇的历史发展过程中,有一些短语逐渐变成了词。否定词“不”与中心词就有不少发生了这种从短语到词的变化。这是一种粘合现象,也可以看作是一种取消分界的结构层次变化,同时也会涉及到一些语法化现象。本文分析了“不” 与中心词粘合所形成的词的类型,探讨了这一类粘合现象发生的原因以及粘合发生后对语言系统的影响。

关键词： “不” 中心词粘合现象汉语词汇短语语法化现象转喻复合词词法结构语法修饰

在线全文

学校读者我要写书评

暂无评论

中心词与其修饰语分隔的现象及岐义问题

中心词与其修饰语分隔的现象及岐义问题

作者：王冰福建师范大学

学位级别：硕士

关于名词词组的中心词与其修饰语分隔的问题，弗洛·阿兹与胡安·阿兹以及奥拓·伊斯佩森都曾作过探讨。对该问题研究最为详尽的是伦道夫·夸克和他的同事们在《英语语法大全》中的论述。在国内，张道真和章振邦也关注过名词词组中心词... 详细信息

关于名词词组的中心词与其修饰语分隔的问题，弗洛·阿兹与胡安·阿兹以及奥拓·伊斯佩森都曾作过探讨。对该问题研究最为详尽的是伦道夫·夸克和他的同事们在《英语语法大全》中的论述。在国内，张道真和章振邦也关注过名词词组中心词与其修饰语分隔的问题。但是这一语言现象种类繁多、复杂，还有待于更深入全面的研究。本文首先总结前人对这方面做过的研究，但主要是通过列举大量的、尽可能全面的例子，阐明出现这一语言现象的原因，并且讨论对这一语言现象进行解释的合理程度。本文试图对名词词组的中心词与其修饰语分分隔的现象进行分类，以便弄清这一现象涉及的范围，解释为何在某些情况下名词词组的中心词与其修饰词分隔的现象无法避免——即运用这种语法手段出于何种目的；讨论这一语法手段引起的歧义问题，以及如何消除歧义。

关键词：中心词修饰语分隔岐义

唯表形容词及唯定形容词一般不能用作名词短语的中心词

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代外语 1993年第4期16卷 39-43,72页

作者：何恒幸广州华南师范大学大学英语部 510631

一、一般的用作名词短语中心词的形容词用作名词短语中心词的形容词,是指“部分转化为名词状态”(partially converted tonoun status)的形容词,而不包括“完全转化为名词”(full conversion)的形容词(***,et al.,1985:1559).***(1956:... 详细信息

一、一般的用作名词短语中心词的形容词用作名词短语中心词的形容词,是指“部分转化为名词状态”(partially converted tonoun status)的形容词,而不包括“完全转化为名词”(full conversion)的形容词(***,et al.,1985:1559).***(1956:161—163),***(1969:123—128),***(1914:365—425)等等许多人对用作名词短语中心词的形容词都有所论及。但他们没有用“用作名词短语中心词的形容词”这一术语,而几乎都是以“完全转化为名词”和“部分转化为名词”为题进行阐述的。

关键词：形容词名词短语中心词名词短词抽象概念转化定指术语复数形式适用于

在线全文

学校读者我要写书评

暂无评论

基于CRF和错误驱动的中心词识别

计算机应用研究 2013年第8期30卷 2345-2348页

作者：田卫东李亚娟合肥工业大学计算机与信息学院合肥230009

针对中文问题分类的中心词识别不准确的问题,提出了一种基于条件随机场(CRF)和错误驱动学习相结合的识别方法。该方法采用CRF模型对问题的中心词进行初始标注,依据词的上下文信息用错误驱动的学习方法对其标注结果进行纠正。在训练有序... 详细信息

针对中文问题分类的中心词识别不准确的问题,提出了一种基于条件随机场(CRF)和错误驱动学习相结合的识别方法。该方法采用CRF模型对问题的中心词进行初始标注,依据词的上下文信息用错误驱动的学习方法对其标注结果进行纠正。在训练有序规则的过程中,为了减少训练时间,结合中心词的特点对错误驱动算法进行了改进。实验结果表明,该方法在一定程度上提高了中心词的标注精度,达到88%。

关键词：问题分类中心词条件随机场(CRF) 错误驱动学习(TBL) 上下文信息有序规则

在线全文

学校读者我要写书评

暂无评论

论汉语N+N结构里中心词的位置

语言教学与研究 2005年第6期 33-38页

作者：王军江苏苏州大学外国语学院 215021

复合词结构中的中心词传统上是一个语法结构概念,但在分析汉语N+N复合名词里中心词的位置时,需要分清结构中心和语义中心两个概念,而语义中心应该用更具说服力的语义焦点概念来替代。所有N+N复合名词均有结构中心,其缺省位置居右。语义... 详细信息

复合词结构中的中心词传统上是一个语法结构概念,但在分析汉语N+N复合名词里中心词的位置时,需要分清结构中心和语义中心两个概念,而语义中心应该用更具说服力的语义焦点概念来替代。所有N+N复合名词均有结构中心,其缺省位置居右。语义焦点位置的确定与汉语语音的特性息息相关,涉及双音化和音重的变化,具有动态性。

关键词： N+N结构中心词双音化轻音

在线全文

学校读者我要写书评

暂无评论

中心词与其后置定语的分隔现象

中小学英语教学与研究 2016年第8期 73-75页

作者：郜媛燕山大学里仁学院

一般说来，英语后置定语不管是词、短语还是从句，都应直接置于被修饰的中心词之后。但在有些情况下，后置定语并非直接位于被修饰语的中心词之后，而是被其他成分分隔。出现这种情况，往往是由于后置定语较长，为了使句子结构保持平衡... 详细信息

一般说来，英语后置定语不管是词、短语还是从句，都应直接置于被修饰的中心词之后。但在有些情况下，后置定语并非直接位于被修饰语的中心词之后，而是被其他成分分隔。出现这种情况，往往是由于后置定语较长，为了使句子结构保持平衡，故将后置定语移至其他成分之后。

关键词：后置定语分隔现象中心词句子结构修饰语成分从句

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于频繁依存子树模式的中心词提取方法研究

中文信息学报 2016年第3期30卷 133-142页

作者：田卫东虞勇勇合肥工业大学计算机与信息学院安徽合肥230009

条件随机场模型通过抓取问句中心词各方面统计特征来进行中心词标注,但未能充分利用中心词特征间存在的深层统计关系。该文利用中文问句的依存关系树结构,通过挖掘问句依存关系树所蕴藏的中心词各维度特征之间的统计概率关系,为正确提... 详细信息

条件随机场模型通过抓取问句中心词各方面统计特征来进行中心词标注,但未能充分利用中心词特征间存在的深层统计关系。该文利用中文问句的依存关系树结构,通过挖掘问句依存关系树所蕴藏的中心词各维度特征之间的统计概率关系,为正确提取中心词提供依据,通过挖掘频繁依存子树模式以生成相应统计规则模式,使用条件随机场模型进行中心词初始标注,使用频繁依存子树模式统计规则进行中心词标注校正等。该文方法属于典型的客观方法,建立在严格的统计语料基础上,标注的稳定性、适应性和鲁棒性较好。实验结果表明,该文方法将条件随机场模型的中心词标注准确率提高约3%。

关键词：中心词依存关系树条件随机场频繁子树模式