汉语术语定义的结构分析和提取

本文介绍的工作是在汉语句法分析研究基础上的一种应用研究,对术语如何下定义问题进行了理论上的探讨。术语的定义形式在汉语语法结构方面提供了模板结构和构成方式,可以作为知识发现研究的数据基础,也可以作为特定领域的语法知识系统。本文针对电子学和计算机领域的语料进行了分词和词性标注处理,然后应用句法分析工具分析出句子中的短语成分,并根据汉语句子的句型结构,总结出术语定义的结构特点,自动提取定义的模板。最后根据已建立的数据和概念描述,给出了术语发现的算法。     

LL(1)文法句法分析程序自动生成的研究及实现

文中分析了对LL(1)文法采用递归子程序的方法进行句法分析的特点,讨论了递归子程序自动生成的一般规则,最后根据这些规则给出了递归子程序自动生成的算法及其实现.     

规则与统计结合分析汉语

在自然语言处理中,规则方法和统计方法各有优缺点。采用规则方法进行汉语切分、标注,并采用规则方法与切分标注评分结合进行消歧。对切分标注正确的句子进行句法分析,并采用规则方法与句法语义评分结合进行消歧。根据对多个结果的评分,选择出评分较大的结果,尽可能早地删除掉不正确的结果,从而加快汉语分析的速度,减少分析的空间消耗,提高分析的正确率。     

维语句法分析器中的词义排歧问题的研究

本文论述了现代维语短语自动划分标注的基本处理算法、排歧处理、词义排歧中的搭配、现代维语词义排歧算法的语言学依据、现代维语词义排歧算法的实现。通过典型的例子,说明了分析器中存在的问题可以用短语划分标注和词义排歧相结合的方法并扩展到句义排歧方法来解决。     

数据库汉语接口的一种低限制性句法分析方法

提出一种基于ＬＲ分析技术的低限制性句法分析方法，并为此设计了相应的词法分析和语义分析机制．实验证明，该方法具有对句法限制低、适应性强、易于实现等特点     

基于最大熵模型的汉语句子分析

文中运用浅层句法分析理论,把汉语句子分析划分为标注、组块、构造和检查三个过程.并针对已有概率评价模型的特征类型少,不能充分利用上下文中对分析有用的信息等问题,提出了基于最大熵的概率评价模型来评估分析过程中每个行为的概率.在该模型中,对分析有用的任何信息都可以成为模型中的一个特征;定义了静态模板结构的特征集和训练集,给出了相应的特征选择策略和基于GIS的参数估计算法;采取BFS算法高效搜索概率值最高的候选句法树作为最终的句法分析结果.实验结果表明:该模型具有较高的分析效率和准确性.     

基于语义分析的不良倾向文本的识别算法研究

分析了目前常用的不良倾向文本识别方法存在的困难和不足,设计了一种基于语义分析的不良倾向文本识别算法。该算法以语句为基本处理单元,采用依存句法获得句子的语义结构,结合How Net词汇褒贬倾向性判别,识别不良信息。实验结果表明,此算法能够较好地提高不良文本识别效率和准确率。     

越南语短语树到依存树的转换研究

依存句法分析是自然语言处理的一个关键环节,目前对于越南语短语结构树的研究比较多,而依存结构树的研究就显得十分薄弱。提出了一种新的方法,尝试结合越南语的语言特点和语法特征,利用中心子节点过滤表的思想与统计的方法将越南语的短语结构树转换成依存结构树。首先依据中文依存关系标注体系与越南语的语法规则,制定出依存关系列表;然后结合越南语的语言特点,制定出中心子节点过滤表,利用中心子节点过滤表的思想进行初步转化;最后使用依存关系标注器来进行依存关系标注。基于转换后得到的依存结构树,利用MSTParser工具进一步训练得到更多的越南语依存结构树。对实验结果进行了抽样评估,树库转换的准确率达到了89.4%,较好地解决了越南语由短语树到依存树的转换问题。     

基于多特征融合的中文微博评价对象抽取方法*

中文微博的评价对象抽取作为中文微博情感分析的基础任务,受到研究者的广泛关注,有着重要的研究价值。本文结合微博文本的特点,对微博文本进行预处理,利用句法分析构建包括名词、名词短语、微博话题在内的评价对象候选集,再分别利用SVM模型、加权模型,实现多特征融合的筛选候选评价对象方法,所用特征包括语义角色信息、最小距离和词频。算法经实验证明有效,在对候选评价对象进行筛选后,采用SVM模型的F值达到0.3573,加权模型的F值达到0.4059。     

依存关系正确理解的基础上的日中翻译

中文向其他语言翻译时,常常因为中文句法结构认识上有出入而造成翻译上的错误。该文利用正确分析后的依存关系语句,进行短语划分．对短语进行中日机器翻译,并组合成句子。以此证明,正确句法分析在解决机器翻译现有问题中的重要作用,