关于“后悔”“遗憾”“可惜”的思考

对外汉语教学中有了词汇教学占有一定的比重,学生到了一定的水平,如果无法合理选择同义词,很难达到成功交际的目的。因此,本文选取了学生容易混淆的"后悔""遗憾""可惜"三个词,并应用了HSK动态语料库和北京大学的CCL语料库等的相关数据和内容,从理性意义、语体色彩和词性方面的差异辨析这三个词并找到更适合教学的方法让学生正确应用这三个词。     

联合词性特征的微博文本命名实体识别

微博文本语法不规范且多由短语组成,严重影响了现有针对规范、长句文本设计的命名实体识别算法的性能.针对上述问题,本文提出了一种融合词性信息的微博文本命名实体识别模型.该模型通过分词工具提取词性信息,将词性信息作为特征与单词嵌入向量结合后输入双向长短期记忆神经网络,最后使用条件随机场对神经网络输出进行解码,从而实现词性特征辅助命名实体识别.实验结果表明,融合词性信息的命名实体识别模型,显著提高了微博文本命名实体识别的准确率.相比于其它模型,该模型F1值提高了1. 88%.     

“PK”的认知解析

从认知角度分析了“PK”一词的模糊性、语义的泛化以及词性多重性,同时从人们对事物的感知、观察和视角选择,认识事物的经验角度以及人们使用语言的经济性原则等方面剖析了“PK”流行的原因。     

从语法角度看英语委婉语的构成

委婉语是一种普遍的社会语言现象和文化现象。委婉语的构成和使用在不同的文化中呈现出不同的特征。文章从英语委婉语独特的语法特征即词的词性和句子的句型结构特征进行阐释,旨在促进英语习得和中西文化交流。     

一种新颖的词性标注模型

文章首次提出一种统计模型,即马氏族模型,该模型假定一个词出现概率既与当前词的词性标记有关,也与它前面的词有关,但其前面的词和该词词性标记关于该词条件独立.将马氏族模型适当加以简化,能成功地用于词性标记,实验结果证明:在相同的测试条件下,这种基于马氏族模型的词性标注方法标记成功率大大高于传统的基于隐马尔可夫模型的词性标注方法.马氏族模型在其它一些自然语言处理领域如分词、句法分析、语音识别、机器翻译也有广泛的应用前景.     

反馈系统强镇定的区间算法

反馈系统强镇定不改变受控系统的传递零点，而受控系统的传递零点影响反馈系统跟踪参考信号和扰动抑制等能力；反馈系统可否强镇定还与两个受控系统是可同时镇定有密切关系。给出了判定和计算受控系统强镇定的一种新的算法－区间算法。这种算法是一种大范围求解方法，能同时求出受控系统的全部零点。     

基于水利专业科技英语翻译的技巧

结合水利科技文献的翻译特点,对科技英语的翻译技巧作几点论述。     

论《新世纪汉英大词典》的词类标注

本文对惠宇教授主编的由外语教学与研究出版社2003年出版的《新世纪汉英大词典》词性标注进行了讨论,指出了词性标注的创新价值和尚存在的问题。     

汉语分词系统中的信息集成和最佳路径搜索方法

复杂的汉语分词系统中，各种信息的有效集成是系统实现的关键。本文介绍了分词系统ＳｅｇＴａｇ中信息集成方法，并讨论了信息集成结构中的两种最佳路径搜索方法。最后，我们给出实验结果和结论。     

基于Huffman编码的文本信息隐藏算法

自然语言句子可以变换为词性标记串或句型。该文提出了基于句型Huffman编码的信息隐藏算法，根据句型分布构造Huffman编码，秘密信息解码为句型。句型在载体文本中的位置是密钥，对句型作Huffman压缩编码即可提取秘密信息，给出了信息隐藏容量公式。该算法不需要修改载体文本。