自然语言的认知模型

自然语言处理不仅是人工智能的研究课题,也为语言研究开辟了一块新天地.让计算机使用人类的自然语言,仅仅依靠传统的语言学,哲学和心理学是不够的.本文从自然语言处理的发展来看以Schank学派为代表的自然语言认知处理模型的产生,并介绍了这样的认知模型各组成部分的设计思想与主要内容     

自然语言语义形式化二维视角

本文从语言学和代数语义学两个角度综述了其形式化特点,探讨了自然语言的形式化问题,探讨了自然语言形式化的障碍和局限性,对自然语言形式语义框架下的对语义范畴提出了一些研究策略。     

论多媒体技术在语言信息处理中的作用

本文分为三部分: 首先, 概述了目前自然语言理解主要是汉语理解技术的现状, 指出迄今为止用于自然语言理解的语言知识几乎都是来自书面语料的, 是单媒体的。 其次, 从七个不同层次分析了(汉语) 自然语言理解中存在的多重歧义问题, 指出多重歧义如何消解是目前自然语言理解中的难题。 第三, 论证了多媒体与虚拟现实技术在自然语言理解中的作用, 指出语言交际和交际环境的多媒体性质, 主张建立多媒体语言资料库, 获取多媒体语言交际知识, 从而从语言学的角度论述了将最新的多媒体和虚拟现实技术用于自然语言理解的必要与可能。     

篇章分析技术综述

篇章作为词和句子之后的一种文本分析粒度在自然语言理解和自然语言生成中起到至关重要的作用。该文从计算语言学角度出发,对中英文篇章分析技术的研究现状进行了综述。介绍了中英文篇章分析技术在自然语言处理中的应用,并分别从篇章理论、篇章语料库及评测、篇章分析器的自动构建等方面详细阐述了中英文篇章分析技术。最后归纳出篇章分析技术后续研究的几个方向。     

编者的话

1991年11月20一22日在杭州召开了全国计算语言学第一届联会学术会议。会议由中国中文信息学会计算语言学专委会与自然语言处理专委会、中国人工智能学会自然语言理解学会、中国计算机学会人工智能与模式识别专委会自然语言理解学组和中文信息技术专委会计算语言学与机器翻译学组、北京语言学会计算语言学研究会以及杭州电子工业学院等七个单位共同发起。到会的有来自大陆和港台地区的大专院校、研究所和新技术产业等多个单位的名专家和代表, 会上宣读论文篇。     

机器翻译的现状和发展趋势

机器翻译(Machine　Trans- lation)是通过计算机来实现不同自然语言之间的翻译。机器翻译是 自然语言处理(Natural　Language Processing)的一个分支,机器翻译 与计算语言学(Computational Linguistics )、自然语言理解 (Natural　Language　Understanding)存在着密不可分的关系。机器翻译的研究与发展取决于计算机科学、数学、语言学、人工智能等多学科的发展,因此机器翻译可以说是一 个跨学科的综合性系统工程。人类 步入21 世纪以来,随着国际互联网 (Internet)的迅猛发展,网络信息 急剧膨胀,国际交流日益频繁以及 地球村的形成,机器…     

良构子串表在自然语言处理中的程序化应用以花园幽径句为例

自然语言处理是计算语言学研究的方向之一,通常借助计算机技术进行自然语言的分析和解读。NS 流程图具有选择算法剖析的结构性特点。良构子串表具有保存剖析过程多种结构的特性。花园幽径句是句法加工过程中能产生行进式错位且对前期模式破旧立新的特殊句式。基于NS 流程图算法的良构子串表可用于对自然语言中的特殊现象(如花园幽径句)进行程序剖析,最终使这种程序分析法在语言学中得到应用成为可能。     

基于语料库和面向统计学的自然语言处理技术

1引言 语料库语言学(Corpus Linguistics)是八十年代才崭露头角的一门新的计算语言学分支学科.它研究机器可读的自然语言文本的采集、存储、检索、统计、语法标注、句法语义分,以及具有上述功能的语料库在语言定量分析、词典编纂、作品风格分     

自然语言处理预训练技术综述

在目前已发表的自然语言处理预训练技术综述中,大多数文章仅介绍神经网络预训练技术或者极简单介绍传统预训练技术,存在人为割裂自然语言预训练发展历程.为此,以自然语言预训练发展历程为主线,从以下四方面展开工作:首先,依据预训练技术更新路线,介绍了传统自然语言预训练技术与神经网络预训练技术,并对相关技术特点进行分析、比较,从中归纳出自然语言处理技术的发展脉络与趋势;其次,主要从两方面介绍了基于B E RT改进的自然语言处理模型,并对这些模型从预训练机制、优缺点、性能等方面进行总结;再者,对自然语言处理的主要应用领域发展进行了介绍,并阐述了自然语言处理目前面临的挑战与相应解决办法;最后,总结工作,预测了自然语言处理的未来发展方向.旨在帮助科研工作者更全面地了解自然语言预训练技术发展历程,继而为新模型、新预训练方法的提出提供一定思路.     

动词属性在自然语言处理当中的研究与应用

在语言学当中,动词跟受其支配的语义成分可以构成-个最基本的语义结构,动词与这些成分之间蕴含着语义以及语法关系.结合这一研究成果,提出动词属性的概念,分析其语义特征,并将其运用于自然语言处理模型的具体实践中,通过对以自然语言形式表达的用户需求中动词属性进行理解和分析,结合自然语言理解系统"动的"结构的运行,将最终分析结果转化成概念设计要求,较好地解决了动词属性结构与"动的"结构存在耦合的现象.     

自然语言处理中的逻辑词

词是自然语言处理中最基本的单位,在当今知识表示领域,知识图作为自然语言理解的语义模型有其独到之处。本文从语言学和逻辑学的角度,首次提出并探讨了逻辑词研究逻辑词分类及如何用知识图表示各类逻辑词的结构。对自然语言处理中研究复句和篇章的理解提供了一种新的途径。     

语法性的数学模型

1.引言名词语法性的数学模型是代数语言学中人们很感兴趣的问题之一;不少作者迄今已提出各式各样的数学模型(例如,见[3],[4],[5],[6],[7])。但是,在用自然语言的实际材料来检验时,总是出现一些与     

面向信息处理的语境形式化研究

在自然语言处理研究领域中,句法研究已经取得了可喜的进展,语义研究也日益受到重视。但要真正实现计算机理解自然语言的目标,还必须进一步深入开展语用分析研究,目前还很少有这方面的研究成果。语境是语用学研究中的重要内容,本文首先讨论了现代语言学关于语境的定义,对计算语言学中的语境作了科学的界定,然后给出了语境及其相关概念的形式定义,并结合汉语实例进行了分析。最后指出“计算语用学”这一计算语言学领域中的新兴学科将大有可为。     

数据库汉语查询句中查询目标信息的研究

在自然语言处理的研究中，最有希望的应用领域之一是自然语言接口。计算机对自然语言中的查询语言理解的正确程度是自然语言接口质量好坏的关键。通过对汉语查询句——即用于数据库自然语言查询的祈使句和特指问句、是非问句、正反问句、选择问句等共五类句型的研究，建立并研究了复合概念、逻辑概念与标准概念的内在联系，将查询目标概念分解为直接查询目标、逻辑推理目标和比较判断目标三个阶段，研究了这三个阶段的关系。     

基于限定自然语言需求模板的AADL模型生成方法

随着嵌入式软件系统在汽车、核工业、航空、航天等安全关键领域的广泛应用,其失效将会导致财产的损失、环境的破坏甚至人员的伤亡,使得保障软件安全性成为系统开发过程中的重要部分.传统的安全性分析方法主要应用在软件的需求分析阶段和设计阶段,然而需求与设计之间的鸿沟却一直是软件工程领域的一大难题.正是由于这一鸿沟的存在,使得需求分析阶段的安全性分析结果难以完整详尽地反映在软件设计中,其根本原因是当前的软件需求主要通过自然语言描述,存在二义性与模糊性,且难以进行自动化处理.为了解决这一问题,本文面向构件化嵌入式软件,首先提出了一种半结构化的限定自然语言需求模板用于需求规约,能够有效降低自然语言需求的二义性与模糊性.然后,为了降低自动化处理的复杂性,采用需求抽象语法图作为中间模型实现基于限定自然语言需求模板规约的软件需求与AADL模型之间的转换,并在此过程中自动记录两者之间的可追踪关系.最后,基于AADL开源工具OSATE对本文所提方法进行了插件实现,并通过航天器导航、制导与控制系统（Guidance,Navigation andControl,GNC）进行了实例性验证.     

迈向汉语计算机理解的第一步——汉语语言知识库构造初探

自然语言理解目前不仅成为第五代计算机的核心目标之一,而且日益成为计算机科学、认知心理学、数理语言学等学科研究的共同问题。本文在对自然语言理解这一极为复杂的认识过程以及语言理解系统的组成作了较深入分析的基础上,提出了以知识库为中心的语言理解系统框图。并且对汉语语言知识库的构造作了初步探讨。     

汉语文－语转换中的语言学处理

本文介绍了一个计算机实现的汉语文-语转换系统, 它以词为单位, 将文本按句子输出, 可保持自然语言的韵律。为了改善合成语音的自然度和可理解度, 我们总结了一些语言学规则, 并应用于该系统中, 得到了很好的测试结果。     

自然语言信息处理的智能化应用

自然语言信息处理是人机交互的关键技术,已得到高速的发展.论文首先简单的论述了该技术的起源以及发展,然后重点研究了该技术在文本和语音方面的广泛应用.可以预测随着计算机技术的进一步发展.自然语言信息处理技术将被应用到更加广泛的领域.     

人工智能国外研究情况综述

人工智能国外研究情况分五点进行综述: 1.脑和神经元模型.评述了有关脑和神经元模型的研究情况,特别指出这些研究对了解人类智能和人工智能的重要性. 2.思维过程模拟.强调从人的智能活动中寻找启发物来实现人工智能. 3.模式识别.关于视觉模式识别问题,谈到了统计学途径和语言学途径.还谈到机器人的识别问题. 4.自然语言的理解.给出了从50年代后期的语言分析到语义网络的记忆模型,以及 70年代初的概念依赖理论等方面的研究概貌. 5.智能机器人.介绍了美国麻省理工学院、斯坦福大学及日本的某些机器人的情况. 根据以上内容,作者们认为人工智能是一门边缘学科,必须有不同学科的科学工作者参加,才能取得显著的成绩.