检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

融合实体信息的古汉语关系分类研究

数据分析与知识发现 2024年第1期8卷 114-124页

作者：唐雪梅苏祺王军北京大学信息管理系北京100871 北京大学数字人文研究中心北京100871 北京大学外国语学院北京100871

【目的】将实体信息与预训练语言模型结合应用到古汉语关系分类任务中,构建古汉语关系分类模型。【方法】首先,在预训练模型输入层中使用特殊标记标出实体对的位置,同时在原关系句之后拼接实体类型描述句;其次,在预练语言模型的输出中... 详细信息

【目的】将实体信息与预训练语言模型结合应用到古汉语关系分类任务中,构建古汉语关系分类模型。【方法】首先,在预训练模型输入层中使用特殊标记标出实体对的位置,同时在原关系句之后拼接实体类型描述句;其次,在预练语言模型的输出中进一步提取实体语义信息;然后,通过CNN将每个字符相对于首尾实体的位置信息融入模型中;最后,将句表示、实体语义表示以及CNN输出拼接经过分类器得到关系标签。【结果】相较于仅使用预训练语言模型,本文模型在Macro F1指标上平均有3.5个百分点的提升。【局限】通过分析混淆矩阵发现本文模型在有相同实体类型组合的关系上容易出现预测错误。【结论】在预训练语言模型中结合实体信息能够提高古汉语关系分类的效果,且实验结果证明本文融合实体信息的方法是有效的。

关键词：古汉语关系抽取关系分类预训练语言模型实体信息

在线全文

学校读者我要写书评

暂无评论

古汉语全称量化用法析义

南京师大学报（社会科学版） 2022年第6期 156-165页

作者：刘梁剑华东师范大学中国现代思想文化研究所暨哲学系

本文考察古汉语全称量词的量化用法。古汉语全称量词有“每”“兼”“皆”“遍”“泛”“周”“各”等。从位置与辖域来看,“兼”“遍”“泛”“周”为跳辖,“皆”“各”为逆辖,“每”为顺辖。又有量化主体与量化客体之分:“皆”“各”... 详细信息

本文考察古汉语全称量词的量化用法。古汉语全称量词有“每”“兼”“皆”“遍”“泛”“周”“各”等。从位置与辖域来看,“兼”“遍”“泛”“周”为跳辖,“皆”“各”为逆辖,“每”为顺辖。又有量化主体与量化客体之分:“皆”“各”量化主体,“兼”“每”“遍”“泛”“周”量化客体。又有整分之别:“皆”“遍”“泛”“周”的语义焦点在元素之整体,而“每”“各”“兼”的语义焦点在元素整体之内部。细言之,“每”重元素个体,“各”重元素独体,“兼”则强调了尽管元素间存在差别却须无差别地对待之。就方法论来说,事上明理考量词,于量词观其日用,析其逻辑,明其逻辑之理,兼明逻辑之外之理。

关键词：古汉语全称量词逻辑词汉语言哲学

在线全文

学校读者我要写书评

暂无评论

古汉语预训练语言模型研究与应用

古汉语预训练语言模型研究与应用

作者：周波浙江大学

学位级别：硕士

古汉语(包括文言文、诗词歌赋等)是中国数千年文化的结晶,古文文献理解难度较大,并且传世古籍数量巨大,整理和发掘其中的价值需要极大地工作量。因此,有必要引入高效的NLP(自然语言处理)技术来处理、理解和研究此类文献。当前预训练语... 详细信息

古汉语(包括文言文、诗词歌赋等)是中国数千年文化的结晶,古文文献理解难度较大,并且传世古籍数量巨大,整理和发掘其中的价值需要极大地工作量。因此,有必要引入高效的NLP(自然语言处理)技术来处理、理解和研究此类文献。当前预训练语言模型在NLP领域,包括英文、中文等,都取得了巨大的成功,但文言文行文与现代汉语存在较大差异,因此通用的现代汉语预训练语言模型并不适用。本文提出了WYWLM(Wen Yan Wen Language Model),在大规模的语料集上,针对古汉语句子短、用词精炼、文本整齐、引用多等特征,采取多种预训练技巧进行语言模型训练。其中,本工作提出了一种新的基于对比学习的预训练任务,该任务以词典为媒介,可以利用海量的现代文文本,允许模型学习更好的汉字、词表示;引入了风格桥接解码器以增强语言模型并弥合古典汉语和现代汉语之间的差异;使用包含字/词释义和出处的古汉语词典将知识引入语言模型。对于预训练语言模型研究起重要作用的评估基准,允许研究人员评估其语言模型的性能,理清改进方向,然而,目前的评估基准都不适用于文言文。为了能够使研究者以统一的标准评测预训练语言模型,本文提出了专门用于文言文的自然语言处理评估基准WYWEB(Wen Yan Wen Evaluation Benchmark),它包含八个任务,实现了句子分类、序列标记、阅读理解和机器翻译等类型的任务,使得古汉语领域的预训练语言模型研究者能够以统一的标准评估其模型的能力。在WYWEB上,对多个的古文预训练模型以及WYWLM进行了评测,结果表明,WYWEB能够用于在多个维度评估预训练模型的性能;而WYWLM取得了最佳的分数,表明本工作针对古汉语设计的预训练方法是有效的。上述技术将作为一款国学典籍阅读器的后端支持组件,向用户开放RESTful接口。在此研究的基础上,WYWEB数据集和WYWLM模型将进行开源,为古文NLP研究社区提供一定的贡献。

关键词：预训练语言模型评估基准古汉语自然语言处理

融合部首信息的古汉语自动分词与词性标注一体化分析

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

数据分析与知识发现 2024年

作者：常博林袁义国李斌许智星冯敏萱王东波南京师范大学语言大数据与计算人文研究中心南京农业大学信息管理学院南京师范大学文学院

[目的]针对现有古汉语自动分词与词性标注技术存在的准确度不高、效率不高的问题，提出了一种融合部首信息的古汉语自动分词与词性标注一体化模型。 [方法]基于7万余条汉字及其部首的数据，构建了部首向量表示模型Radical2Vector。将这... 详细信息

[目的]针对现有古汉语自动分词与词性标注技术存在的准确度不高、效率不高的问题，提出了一种融合部首信息的古汉语自动分词与词性标注一体化模型。 [方法]基于7万余条汉字及其部首的数据，构建了部首向量表示模型Radical2Vector。将这一模型与古汉语文本表示模型SikuRoBERTa相结合，拼接BiLSTM-CRF模型作为实验的模型结构。同时，设计了分词与词性双层标注方案，并在《左传》数据集上进行了自动分词与词性标注一体化实验。 [结果]模型在《左传》测试集上，分词任务的F1值达到了95.75%，词性标注任务的F1值达到了91.65%，相比基线模型分别提高了8.71%和13.88%。 [局限]实验仅融合了每个汉字的单个部首信息，汉字的其他部件信息有待进一步利用。 [结论]本文提出的模型成功地将汉字部首信息融入，有效提升了古汉语文本的表示质量。这一模型在分词与词性标注任务上表现出色，同时，一体化的方案也提升了处理的效率与质量。

关键词：古汉语自动分词自动词性标注古文信息处理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于图卷积神经网络的古汉语分词研究

情报学报 2023年第6期42卷 740-750页

作者：唐雪梅苏祺王军杨浩北京大学信息管理系北京100871 北京大学数字人文研究中心北京100871 北京大学外国语学院北京100871 北京大学人工智能研究院北京100871

古汉语的语法有省略、语序倒置的特点,词法有词类活用、代词名词丰富的特点,这些特点增加了古汉语分词的难度,并带来严重的out-of-vocabulary(OOV)问题。目前,深度学习方法已被广泛地应用在古汉语分词任务中并取得了成功,但是这些研究... 详细信息

古汉语的语法有省略、语序倒置的特点,词法有词类活用、代词名词丰富的特点,这些特点增加了古汉语分词的难度,并带来严重的out-of-vocabulary(OOV)问题。目前,深度学习方法已被广泛地应用在古汉语分词任务中并取得了成功,但是这些研究更关注的是如何提高分词效果,忽视了分词任务中的一大挑战,即OOV问题。因此,本文提出了一种基于图卷积神经网络的古汉语分词框架,通过结合预训练语言模型和图卷积神经网络,将外部知识融合到神经网络模型中来提高分词性能并缓解OOV问题。在《左传》《战国策》和《儒林外史》3个古汉语分词数据集上的研究结果显示,本文模型提高了3个数据集的分词表现。进一步的研究分析证明,本文模型能够有效地融合词典和N-gram信息;特别是N-gram有助于缓解OOV问题。

关键词：古汉语汉语分词图卷积神经网络预训练语言模型 BERT(bidirectional encoder representations from transformers)