检索结果-南通市图书馆

作者：刘风成大连理工大学

学位级别：硕士

词义排歧在机器翻译、信息检索、句子分析和语音识别等许多领域有重要的作用。因此词义排歧方法的研究具有重要的理论和实践意义。本文主要研究在标注语料库支持下的基于有指导学习算法的词义排歧方法。在词义排歧模型中引入有指导的**... 详细信息

词义排歧在机器翻译、信息检索、句子分析和语音识别等许多领域有重要的作用。因此词义排歧方法的研究具有重要的理论和实践意义。本文主要研究在标注语料库支持下的基于有指导学习算法的词义排歧方法。在词义排歧模型中引入有指导的***算法。首先通过简单决策树算法对多义词上下文中的知识源进行学习,产生准确率较低的弱规则;之后,通过***算法对这些弱规则进行加强;经过若干次迭代后,最终得到一个准确度更高的规则,即为最终的排歧模型。同时,针对系统的学习效率和实用性给出了一种简单终止算法迭代的方法。为评测***算法排歧效果,本文在SENSEVAL3中文语料上进行了***算法和贝叶斯算法的词义排歧对比实验,结果表明***算法比贝叶斯算法具有更强的学习能力,前者的开放测试正确率比后者的开放测试正确率高出近8个百分点。此外,为获取多义词上下文中的知识源,本文在使用传统的词性标注和局部搭配序列知识源的基础上,引入了一种新的知识源,即语义范畴。实验结果表明语义范畴的引入有助于提高算法的学习效率和词义排歧的正确率。在对6个典型汉语多义词和SENSEVAL3中文语料中20个汉语多义词的词义消歧实验中,***算法获得了较高的开放测试正确率,前者的平均开放测试正确率达到85.75%,后者的平均开放测试正确率达到75.84%。人工建立有指导学习算法所需的大规模标注语料是相当困难的,为解决此问题,本文给出了一种利用WWW资源自动构建适合汉语多义词排歧的标注语料库的方法。并通过实验验证了这种语料库的可用性。

关键词：自然语言处理词义排歧 AdaBoost.MH算法知识源

来源：

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

基于跨领域本体互联的数据融合平台

基于跨领域本体互联的数据融合平台

引用

作者：钟浩健上海交通大学

学位级别：硕士

在信息时代飞速发展的今天,每时每刻各个领域都有成千上万的系统采集着数据。解决实际生产活动中的问题时,我们通常需要同时利用这些领域数据集。而不同领域的信息系统由于构建方式、存储形式和领域背景的不同,容易形成信息壁垒。传统... 详细信息

在信息时代飞速发展的今天,每时每刻各个领域都有成千上万的系统采集着数据。解决实际生产活动中的问题时,我们通常需要同时利用这些领域数据集。而不同领域的信息系统由于构建方式、存储形式和领域背景的不同,容易形成信息壁垒。传统的数据融合技术仅作用于相同领域下的不同数据集,对跨领域的数据集还没有很完备的方法体系。因此,将不同领域的数据进行抽取和融合,既是现代越来越复杂的应用的迫切需求,也是数据融合领域技术上的重要挑战。针对以上问题,本文提出了基于跨领域本体互联的数据融合方法,采用本体的技术解决不同领域间的数据融合问题。通过领域本体的连接,支持数据和信息的融合。由于跨领域本体在知识背景、概念维度和构建方法上存在诸多不同,因此本文有针对地提出适用于跨领域本体的匹配方法,建立起多领域本体网络,形成领域间的数据共享平台。本文的研究工作主要有以下几点:(1)提出了跨领域本体网络的模型本文针对互联网上存在的众多独立本体提出了跨领域本体网络的概念,挖掘不同的领域本体间的概念合集,以图的方式组织这些本体。该模型具有很高的通用性和扩展性,存在概念交集的本体均可通过本模型实现连通,同时在业务扩展时,支持新的领域本体动态接入。(2)针对跨领域本体的特点,设计了本体匹配方法不同领域的本体在描述语言、知识背景和概念维度上都各不一致,因此传统的本体匹配方法还不适合这类匹配需求。本文设计了一种“乐观匹配”的方法,首先采用文本匹配,将两个本体进行初级连接,再利用结构关系发现更多的概念和实例匹配。(3)利用各领域构建语料库,从多角度实现了语义排歧根据各个领域的知识背景不同的特征,构建领域语料库,作为系统进行语义学习的基础。同时采用多层过滤的方法,利用词性排歧、结构排歧和关联义项排歧的方法逐层过滤错误的概念匹配,进一步提高本体匹配的准确度。(4)通过本体网络的建立,实现跨领域的数据融合利用构建的本体网络,可发现某个概念在不同领域的信息侧面,并有针对性地抽取各部分数据,重新组合后对数据更为全面地描述,是数据共享和知识发现的基础。本文围绕跨领域本体网络,分成本体构建、本体匹配、词义排歧和跨领域本体网络构建这几部分内容展开,针对跨领域的数据特征,设计并验证了融合方法。通过本体的连接,支持跨领域的数据融合。最后使用茶产业与电子商务结合的案例进行了场景验证,证实本文提出的方法对于跨领域的数据融合具有较高的通用性和完整性,可用于日益复杂的跨领域业务需求。

关键词：跨领域数据融合本体匹配词义排歧本体互联网络

来源：

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

汉英双语平行语料库中对齐方法的研究

汉英双语平行语料库中对齐方法的研究

引用

作者：刘冬明山西大学

学位级别：硕士

在自然语言处理领域，双语平行语料库的重要性日益加强，其研究工作主要是集中在构建、对齐和标注等方面。它在在机器翻译、词典编纂、多语言信息检索、术语提取等领域有着重要的研究价值。在过去的三十年里，各国的研究人员相继建立... 详细信息

在自然语言处理领域，双语平行语料库的重要性日益加强，其研究工作主要是集中在构建、对齐和标注等方面。它在在机器翻译、词典编纂、多语言信息检索、术语提取等领域有着重要的研究价值。在过去的三十年里，各国的研究人员相继建立了许多印欧语言的平行语料库。与之相比，汉英双语平行语料库的研究国内外都相对较少，近年来才刚刚起步。本文的工作主要集中在汉英双语平行语料库词语对齐及词义排歧的研究上，主要包括以下部分： 1．实词对应。在详细考察各类统计参数的基础上，对高频实词提出了适合于汉英两个不同体系语言的一种混合的统计方法，而对低频实词则充分利用词典获取对应信息，最后采用一种综合的基于竞争链接的对应算法，取得了较好的效果。 2．双语语块的识别和对应。本文充分利用已有的实词对应信息，将语块的划分和对应同时进行，这样使得对应和划分能相互提供信息，有效地避免了当前绝大多数算法中存在的双语语块边界划分不一致的情况。 3．名词短语的对应。本文根据名词短语的统计特征，对高频名词短语采用迭代重估算法;对低频短语，则采用类似于低频实词的对应方法。这样就能够从整体上把握对应信息，并使结果具有很高的覆盖率。 4．双语词义排歧。当前大多数基于双语语料的词义排歧算法都局限在利用单个多义词的上下文环境及其对应信息，本文则充分利用当前Hownet资源中概念的可计算性，将词义排歧的问题转化为多义词和另一种语言的相应句子的整体意义相似性问题，从一个新的角度来进行词义排歧，因此得出了满意的研究结果。本文利用汉英两种语言各自的特点，充分利用已有信息，实现了对平行语枓库中各种信息单元的对齐，实验结果表明，效果显著。

关键词：双语平行语料实词对应名词短语对应双语语块词义排歧

来源：

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

一个汉语词义自动标注系统的设计与实现

引用

计算机工程与应用 2001年第17期37卷 170-173页

作者：葛瑞芳李涓子清华大学计算机科学与技术系北京100084 清华大学电子工程系北京100084

词义排歧在自然语言处理领域占有重要地位。词义排歧的精确率依赖于排歧知识的完备性。但是目前使用基于词典的和基于语料库的词义排歧方法来获取排歧知识的效果都不令人满意。文章将介绍了一个汉语词义自动标注系统，该系统实现了基于... 详细信息

词义排歧在自然语言处理领域占有重要地位。词义排歧的精确率依赖于排歧知识的完备性。但是目前使用基于词典的和基于语料库的词义排歧方法来获取排歧知识的效果都不令人满意。文章将介绍了一个汉语词义自动标注系统，该系统实现了基于语料库的无指导的词义排歧模型，比较成功地解决了排歧知识的获取瓶颈问题。文章将给出系统的总体设计和具体实现，并给出系统测试结果。

关键词：自然语言处理词义排歧汉语词义自动标准系统设计

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

范围副词“都”的语义指向分析

引用

汉语学报 2004年第1期 74-84页

作者：詹卫东北京大学中文系 100871

本文针对计算机处理的需要,从实际语料出发,较全面地考察了副词“都”的义项区分及其判定;分析了表“总括”义的“都”的语义指向的逻辑意义;“都”能指向哪些句法成分,不能指向哪些成分,以及判定“都”的语义指向的一般原则;“都”跟... 详细信息

本文针对计算机处理的需要,从实际语料出发,较全面地考察了副词“都”的义项区分及其判定;分析了表“总括”义的“都”的语义指向的逻辑意义;“都”能指向哪些句法成分,不能指向哪些成分,以及判定“都”的语义指向的一般原则;“都”跟其他状语性成分的位置关系以及“都”形成的状中式 vp 构成“的”字结构的能力。

关键词：都语义指向范围副词句法规则词义排歧

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

探究NVEF义对标识库的构建

引用

电脑知识与技术 2013年第35期 8068-8069+8074页

作者：辛日华辛日峰呼伦贝尔学院计算机科学与技术学院扎兰屯市统计局

多义词的识别与消歧是一个自然语言处理的焦点环节,词汇语义知识是解决这个问题的基础资源。而词语之间的搭配知识是支持词义排歧的基础资源。该文研究在大规模语料库中进行名词和动词(NV)搭配对的提取方法,即建立一个包含名词词义、名... 详细信息

多义词的识别与消歧是一个自然语言处理的焦点环节,词汇语义知识是解决这个问题的基础资源。而词语之间的搭配知识是支持词义排歧的基础资源。该文研究在大规模语料库中进行名词和动词(NV)搭配对的提取方法,即建立一个包含名词词义、名词、名词对应的动词及动词相应的词义等内容的数据库,即NVEF义对标识库,以供词义排歧使用。

关键词： NV搭配对 NVEF义对词义知识词义排歧

来源：

同方期刊数据库评论