文章-世纪中文出版社

孙琦鑫1，2 饶高琦1，2，3 荀恩东1，2 《中文研究》 2020年12期

摘要:

该文收集了自晚清到21世纪间长达144年的连续历时报刊语料，通过统计分析和词语分布式表示两类方法展开研究，计算并辅助识别汉语词语的词义历时演变现象。采用TF-IDF、词频比例等多种统计分析的评价指标和目标词语在文段中的共现实词及其重合度挖掘出现词义演变的词语。针对历时语料上不同时间段的词向量对齐，采用SGNS训练词向量加正交矩阵投影、SGNS递增训练和"锚点词"二阶词向量表示三种方法，其中以SGNS递增训练效果最佳。针对自动发现的词义演变现象，采用目标词历时自相似度和锚点词历时相似度的分析方法，并利用近邻词来明确目标词变迁前后的词义。

汉语委婉语语言资源建设下载：32 浏览：425

张辰麟1 王明文1 谭亦鸣2 肖文艳1 《中文研究》 2020年12期

摘要:

委婉语是语言交流中不可或缺的交际手段，委婉语研究一直是语言学界的热门话题之一，但在自然语言处理领域，尚未有委婉语相关研究。该文借助现有纸质词典，基于语料库检索和专家人工判别的方式，初步构建了规模为63 000余条语料的汉语委婉语语言资源；并根据自然语言处理的相关任务需求，结合词典释义对委婉语进行分类。该文提出了利用同类委婉语的上下文语境辅助进行标注的方法。经过实验，对简单语义委婉语的语义判别准确率达89.71%，对语义复杂的兼类委婉语的语义判别准确率达74.65%，初步验证了利用计算机辅助人工标注构建委婉语语言资源的可行性。

汉语中介语的依存句法标注规范及标注实践下载：55 浏览：353

肖丹1，2 杨尔弘1，2 张明慧1，2 陆天荧1，2 杨麟儿1，2 《中文研究》 2020年7期

摘要:

汉语中介语是伴随着汉语国际教育产生的，随着汉语学习在全球的不断开展，汉语中介语的规模不断增长，由于这些语料在语言使用上有其独特性，使得中介语成为语言信息处理和智能语言辅助学习的独特资源。依存语法分析是语言信息处理的重要步骤，英语中介语的依存语法标注语料已经有很好的应用，目前汉语中介语语料库对句法的关注度较低，缺乏一个充分考虑汉语中介语特点的依存句法标注规范。该文着眼于汉语中介语的依存句法标注语料库的建构，探讨依存标注规范，在充分借鉴国际通用依存标注体系(Universal Dependencies)的基础上，制定了汉语中介语的依存标注规范，并进行了标注实践，形成了一个包括汉语教学语法点的中介语依存语料库。

精细化的中文词性标注评测集的研制下载：39 浏览：295

唐乾桐1，2 常宝宝1 詹卫东1，2，3 《中文研究》 2020年2期

摘要:

该文提出了一套精细化的中文词性标注评测体系。该文的工作重点在于确立其中的评测项目以及每个项目所对应的词例，提出了比对、归类、合取的方法；依此，该文初步建立了规模为5 873句、涵盖了2 326项词例和70个评测项目的评测试题集，并用这套试题集对几个常见的开源词性标注程序进行了评测。最后，该文指出了精细化评测体系将评测项目和评测语料联系起来的好处——在传统体系中，两者是分开的。该文从评测项目的价值和评测语料的组织性两个方面阐述了该文的评测体系相对于传统评测体系的优势，并指出了利用该文提出的评测体系改进被测程序的方法。

基于改进TextRank的藏文抽取式摘要生成下载：60 浏览：297

李维1，2 闫晓东1，2 解晓庆1，2 《中文研究》 2020年2期

摘要:

目前，藏文抽取式文本摘要方法主要是提取文本自身的特征，对句子进行打分，不能挖掘句子中深层的语义信息。该文提出了一种改进的藏文抽取式摘要生成方法。该方法将外部语料库的信息以词向量的形式融入到TextRank算法，通过TextRank与词向量的结合，把句子中每个词语映射到高维词库形成句向量，进行迭代为句子打分，并选取分值最高的句子重新排序作为文本的摘要。实验结果表明，该方法能有效提升摘要质量。该文还在传统ROUGE评测方法的基础上，提出了一种采用句子语义相似度计算的方式进行摘要评测的方法。

基于改进TextRank的藏文抽取式摘要生成下载：61 浏览：474

李维1，2 闫晓东1，2 解晓庆1，2 《中文研究》 2020年1期

摘要:

目前，藏文抽取式文本摘要方法主要是提取文本自身的特征，对句子进行打分，不能挖掘句子中深层的语义信息。该文提出了一种改进的藏文抽取式摘要生成方法。该方法将外部语料库的信息以词向量的形式融入到TextRank算法，通过TextRank与词向量的结合，把句子中每个词语映射到高维词库形成句向量，进行迭代为句子打分，并选取分值最高的句子重新排序作为文本的摘要。实验结果表明，该方法能有效提升摘要质量。该文还在传统ROUGE评测方法的基础上，提出了一种采用句子语义相似度计算的方式进行摘要评测的方法。

基于词频逆文档频统计的词汇时间分布层次下载：43 浏览：227

饶高琦1，2 李宇明1 《中文研究》 2019年9期

摘要:

汉语演变过程中，词语使用受时间影响的程度差异很大。这体现为词汇时间分布的不同。该文基于70年跨度历时语料库，使用TF-IDF方法对词汇的时间分布进行了统计，并尝试对词汇系统的时间分布层次进行划分。通过对历时文本分类性能、词类分布、词长分布、覆盖率和词语生命力五方面的考察和分析，建立了由基干层、过渡层、时间敏感层(时敏层)和逸散层构成的词汇时间分布四分层体系。

基于声学音素向量和孪生网络的二语者发音偏误确认下载：63 浏览：375

王振宇解焱陆张劲松《当代中文学刊》 2019年10期

摘要:

随着自动大规模语音识别的不断发展,以自动语音识别为基础的计算机辅助发音教学也随之进步,作为传统教学方法的补充,它极大地弥补了传统教育资源不足以及传统教育方法无法及时给学习者反馈的缺陷。二语学习者的发音偏误确认和评价在计算机辅助发音训练中是较为重要的研究课题之一。针对二语者发音偏误的确认任务中缺少二语偏误发音标注问题,该文提出了一种基于声学音素向量和孪生网络的方法,将带有配对信息的成对的语音特征作为系统输入,通过神经网络将语音特征映射到高层表示,期望将不同的音素区分开。训练过程引入了孪生网络,依照输出的两个音素向量是否来自于同一类音素来调整和优化输出向量之间的距离,并通过相应的损失函数实现优化过程。结果表明使用基于余弦最大间隔距离损失函数的孪生网络获得了89.93%的准确率,优于实验中其它方法。此方法应用在发音偏误确认任务时,不使用标注的二语发音偏误数据训练的情况下,也获得了89.19%的诊断正确率。

基于远程监督的藏文实体关系抽取下载：28 浏览：25

王丽客1 孙媛2 夏天赐1 《当代中文学刊》 2020年6期

摘要:

关系抽取任务是对句子中的实体对进行关系分类。基于远程监督的关系抽取是用预先构建的知识库来对齐朴素文本,自动标注数据,在一定程度上减少了人工标注的成本,缓解了藏文材料语料不足的问题。但是基于远程监督的实体关系抽取还存在错误标记、提取特征时出现噪声等问题。该文用远程监督方法进行藏文实体关系抽取,基于已经构建的藏文知识库,利用分段卷积神经网络结构,加入语言模型和注意力机制来改善语义歧义问题以及学习句子的信息;在训练过程中加入联合得分函数来动态修正错误标签问题。实验结果表明改进的模型有效提高了藏文实体关系抽取的准确率,且优于基线模型效果。

中文句法异构蕴含语块标注和边界识别研究下载：48 浏览：257

金天华1 姜姗1 于东1,2 赵美倩1 刘璐1 《当代中文学刊》 2019年6期

摘要:

文本蕴含是自然语言处理的难点,其形式、类型复杂,知识难以概括。早期多利用词汇蕴含和逻辑推理知识识别蕴含,但该方法反对特定类型的蕴含有效。近年来,利用大规模数据训练深度学习模型的方法在句级蕴含关系识别任务上取得优异性能,但模型不可解释,尤其是无法标定引起蕴含的具体语言片段。该文研究文本蕴含成因形式,归纳为词汇、句法异构、常识和社会经验三类,并以句法异构蕴含为研究对象。针对上述两个问题,提出句法异构蕴含语块的概念,定义其边界识别任务。该文制定句法异构蕴含语块标注规范,建立标注数据集。在此基础上,分别建立基于规则和基于深度学习的模型,探索句法异构蕴含语块的自动识别方法。实验结果表明,该文提出的深度学习模型能有效发现蕴含语块,为下一步的研究提供可靠的基线方法。

基于Lattice-LSTM的多粒度中文分词下载：37 浏览：435

张文静1,2 张惠蒙1,2 杨麟儿1,2 荀恩东1,2 《当代中文学刊》 2019年3期

摘要:

中文分词是中文信息处理领域中的一项关键基础技术,而多粒度分词是中文分词领域较新的研究方向。针对多粒度中文分词任务,该文提出一种基于Lattice-LSTM的多粒度中文分词模型,在传统基于字的多粒度中文分词模型基础上,加入了多分词粒度的词典信息。与传统模型相比,所提出的模型在网格结构的辅助下,对不同粒度的分词标准都有较强的捕捉能力,且不局限于单一的分词标准。实验表明,该文提出的方法在多粒度中文分词方向取得了目前最好的结果。

基于联合模型的藏文实体关系抽取方法研究下载：43 浏览：432

夏天赐1,2 孙媛1,2 《当代中文学刊》 2018年9期

摘要:

从无结构文本中抽取实体与实体之间的关系是自然语言处理领域的重要研究内容,同时也为构建知识图谱、问答系统等应用提供重要支撑。基于联合模型的实体关系抽取任务将实体识别和关系抽取同时进行,克服了传统实体关系抽取任务中先识别句子中的实体,然后再进行实体关系判断这两次任务中的错误累加。该文针对藏文语料匮乏、实体识别准确率不高等问题,提出了基于联合模型抽取藏文实体关系的方法。基于藏文实体关系抽取任务,提出以下方案:(1)针对藏文分词准确率不高的问题,对藏文进行字级和词级两种方式进行预处理,并给出对比实验,结果表明采用字级处理方式较词级处理方式效果有所提高。(2)藏文是一种语法规则比较强的语言,名词、格助词等能明确指示句子各组块之间的语法和语义结构关系,因此该文将藏文的词性标注特征加入到藏文的字词向量中,实验结果证明了方法的有效性。(3)该文借鉴了联合模型处理的优势,提出基于联合模型处理方式,采用端到端的BiLSTM框架将藏文实体关系抽取任务转变为藏文序列标注的问题,实验结果表明,该文的方法较传统的基于藏文处理方式,如SVM算法和LR算法,准确率提高了30%～40%。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com