文章-世纪中文出版社

王琪田明杰崔荣一赵亚慧《中文研究》 2020年9期

摘要:

针对日渐丰富的少数民族语言资源进行管理、研究和使用有着重要的应用价值。为了解决语言差异引起的语言鸿沟，针对中朝两种语言环境下的跨语言文本分类任务，提出了双语主题词嵌入模型。该文将词嵌入模型与主题模型扩展到双语环境，并将两种模型相结合，解决了歧义性对跨语言文本分类精度带来的影响。首先，在大规模单词级别对齐平行句对中训练中朝单词的词嵌入向量；其次，利用主题模型对中朝分类语料进行表示，并获得中朝单词的含有主题信息的词嵌入向量；最后，将中朝单词的主题词嵌入向量输入至文本分类器，进行模型的训练与分类预测。实验结果表明，中朝跨语言文本分类任务的准确率达到了91.76%，已达到实际应用的水平，同时该文提出的模型可以对一词多义单词的多个词义有很好的表示。

基于神经网络的藏文正字检错法下载：32 浏览：281

色差甲1 慈祯嘉措1 才让加1，2 华果才让1 《中文研究》 2020年9期

摘要:

在缺乏标注数据的条件下，该文将藏文正字检错任务视为一个分类问题:首先从语言学知识中构建音节混淆子集并给每个原句加噪，然后建立深层双向表征的BERT作为分类模型，最后为了证明该方法的有效性，构建两个基线模型和三种不同领域的测试集，实验结果表明，该方法的结果优于两个基线模型。该文方法在相同领域测试集上句子分类的正确率达到93.74%，不同领域测试集上也能达到83.6%。对错误音节的识别率为74.53%，同时对无错误音节的误判率只有2.30%。

基于CFN和篇章主题的概括型问答题的解答下载：65 浏览：388

杨陟卓1 李春转1 张虎1 钱揖丽1 李茹1，2 《中文研究》 2020年8期

摘要:

相对于普通阅读理解，高考语文阅读理解难度更大，问句更加抽象，答案候选句的抽取除了注重与问句的相似性分析，还注重对材料内容以及作者的观点的概括归纳。因此该文提出了利用汉语框架网(Chinese FrameNet)抽取与问句语义相似的候选句的方法，通过识别篇章主题(段落主题句和作者观点句)，生成与问句相关的内容要点以及作者的观点态度，最终选取top 6作为答案句。在近12年北京市高考真题上进行测试，召回率达到了68.69%，验证了该方法的有效性。

一个面向中文古诗词理解难易度的人工标注数据集下载：46 浏览：398

刘磊1，2 何苯1，2 孙乐2 《中文研究》 2020年7期

摘要:

向读者推荐阅读难度合适的古诗词有助于提升读者的诗词鉴赏能力。现阶段，围绕古诗词可读性自动化分析的相关研究的突出局限之一是缺乏大规模高质量的数据集。针对该问题，该文研究面向古诗词可读性自动化分析的数据集构建。该文作者对外开放了包含1 915篇古诗词的标注阅读理解难度的数据集（1）。该文首先将数据集划分成易中难三级，构建数据集APRD；然后进一步细化标注，构建六级分类数据集APRD+。抽取教材中的诗词组成标准集，以年级为标准难度级别，计算标准集与APRD、APRD+之间的Spearman相关性，Spearman系数分别为0.786与0.804，表明该数据集标记结果与标准集具有较高一致性。该文提取了字频、注释数等古诗词特征，采用SVM、随机森林等算法进行了初步古诗词阅读理解难易度分类测试。文内提出的古诗词可读性数据集与实验结果可作为后续研究的测试基准。

基于迭代式回译策略的藏汉机器翻译方法研究下载：52 浏览：248

慈祯嘉措1，2 桑杰端珠1，2 孙茂松3 周毛先1，2 色差甲1，2 《中文研究》 2020年6期

摘要:

该文通过稀缺语言资源条件下机器翻译方法的研究以提高藏汉机器翻译质量，同时希望对语言资源匮乏的其他少数民族语言机器翻译研究提供借鉴。首先该文使用164.1万句对藏汉平行语言资源数据在Transformer神经网络翻译模型上训练一个基线系统，作为起始数据资源，然后结合翻译等效性分类器，利用迭代式回译策略和译文自动筛选机制，实现了稀缺资源条件下提升藏汉神经网络机器翻译性能的有效模型，使最终的模型比基准模型在藏到汉的翻译上有6.7个BLEU值的提升，在汉到藏的翻译上有9.8个BLEU值的提升，证实了迭代式回译策略和平行句对过滤机制在汉藏(藏汉)机器翻译中的有效性。

基于抽象语义表示的汉语构式标注与分析下载：19 浏览：340

黄彤1 李斌1 闫培艺1 戴玉玲1 曲维光2 《中文研究》 2020年5期

摘要:

构式作为组成成分与实际意义不能完全对应的结构，与常规句子差异较大，对句法和语义分析器的影响较大，构式的自动分析则更是困难。因此，亟需研究构式的结构标注方法及构建相应语料库。由于构式的语义结构与句法结构有较大差异，该文使用中文抽象语义表示(CAMR)来直接标注构式的语义结构。目前收录最全的构式库是北京大学现代汉语构式知识库，通过对该构式库1 057条构式进行人工标注并统计后，发现CAMR可以表示出61.2%的基本符合组合原则的构式；而38.8%不符合组合原则的构式需要修改或添加概念，存在缺少概念、组成成分难以拆分、修辞意义难以表示等情况。该文给出的策略是将其整体作为一个谓词标注或只标注其表层义。汉语构式库的标注可以为构式语义的自动分析提供理论与数据基础。

基于事件属性的事件分类研究下载：41 浏览：255

王亚1，2 曹存根1 《中文研究》 2020年4期

摘要:

事件分类研究一直是计算机科学和语言学等学科的核心研究内容，针对动词语义层面上的分类问题，研究者们提出了不同的分类标准，而根据这些分类标准对动词进行分类会产生分类有交叉和分类粒度粗等问题。一个动词通常表示一个过程事件，该文以汉语世界中经常发生的过程事件为语义分类对象，从事件的定义中提取事件的特征属性，并给每个特征属性赋予权重，利用特征属性对顶层事件类包含的事件进行分类。该文采用框架的形式对事件进行语义描述，框架内容由事件的特征属性和私有属性组成。重点以"传播"类事件为例来阐述该文的分类方法，通过实际操作发现，利用该分类方法，可以得到一个比较清晰的事件语义分类结构。该文用描述逻辑来对事件及事件之间的分类关系进行形式化表示。根据该事件分类体系，可以有效获取事件属性相关的常识知识。

基于JCWA-DLSTM的法律文书命名实体识别方法下载：54 浏览：424

王得贤1 王素格1，2 裴文生3 李德玉1，2 《中文研究》 2020年4期

摘要:

对于法律文书中证据名、证实内容和卷宗号等实体的正确提取，可以有效提升法官的办案效率。然而，这些实体与一般实体不同，具有字符长度较长和相互关联性较强的特点。因此，该文提出了一种基于JCWA-DLSTM(join character word and attention-dual long short-term memory)的法律文书命名实体识别方法。该方法利用字级语言模型获取词语的表示，同时，利用自注意力机制获得句子的内部表示。在此基础上，采用双向LSTM将句子内部表示和基于字级语言模型词语表示分别与词向量拼接编码，再将两种语义表示拼接融合，获得最终的句子语义表示。最后利用CRF将句子的语义表示解码，得到最优标记序列。实验结果表明，该文提出的方法可对法律文书中的证据名、证实内容和卷宗号等实体边界进行有效的确定，提升了命名实体识别的结果。

基于平行语料和翻译概率的多语种词对齐方法下载：65 浏览：207

杨飞扬赵亚慧崔荣一易志伟《中文研究》 2019年12期

摘要:

为了实现多语种词对齐，该文提出一种以点互信息为基础的翻译概率作为改进的多语种单词关联强度度量方法。首先，论证了在服从Zipf定律的普通频级词区域，单词间关联强度的点互信息度量法可简化为翻译概率；其次，对汉语、英语、朝鲜语平行语料进行句子对齐、分词和去停用词等预处理后计算平行语料单词之间的翻译概率，取翻译概率最高的前k个词作为候选翻译词，并通过优化处理提高了词对齐准确率。实验结果表明，该方法可以不完全依赖语料规模，在小规模语料中取得94%以上的准确率，为跨语言小众文献及低资源语言词对齐提供了技术基础。

基于联合注意力机制的篇章级机器翻译下载：30 浏览：311

李京谕1，2 冯洋1，2 《中文研究》 2019年11期

摘要:

近年来，神经机器翻译(neural machine translation， NMT)表现出极大的优越性，然而如何在翻译一个文档时考虑篇章上下文信息仍然是一个值得探讨的问题。传统的注意力机制对源端的所有词语进行计算，而在翻译当前句子时篇章中大量的信息中只有小部分是与之相关的。在篇章级机器翻译中，采用传统的注意力机制建模篇章信息存在着信息冗余的问题。该文提出了一种联合注意力机制，结合"硬关注"和"软关注"的机制对篇章上下文的信息进行建模。关键思想是通过"硬关注"筛选出与翻译当前句子相关的源端历史词语，然后采用"软关注"的方法进一步抽取翻译中所需的上下文信息。实验表明，相比于基线系统，该方法能使翻译性能获得明显提升。

融合单语语言模型的藏汉机器翻译方法研究下载：60 浏览：253

慈祯嘉措1，2 桑杰端珠1，2 孙茂松3 色差甲1，2 周毛先1，2 《中文研究》 2019年11期

摘要:

由于藏汉平行语料匮乏，导致藏汉神经网络机器翻译效果欠佳，该文提出了一种将藏语单语语言模型融合到藏汉神经网络机器翻译的方法，首先利用神经网络实现藏语单语语言模型，然后使用Transformer实现藏汉神经网络机器翻译模型，最后将藏语单语语言模型融合到藏汉神经网络机器翻译中。实验表明，该方法能显著提升藏汉神经网络机器翻译质量。基线系统藏语到汉语的BLEU值为21.1，汉语到藏语的BLEU值为18.6，融合藏语单语语言模型后，藏语到汉语的BLEU值为24.5，汉语到藏语的BLEU值为23.3，比原有基线系统的BLEU值分别提高了3.4和4.7。

基于循环卷积神经网络的藏文句类识别下载：27 浏览：260

柔特1，2 才让加1，2 《中文研究》 2019年11期

摘要:

句子是语言的最小使用单位，句类识别是为了进一步细化句法和句义研究。由于藏文句尾通常没有特殊的标点符号来识别不同句类，因此这一藏文语言特性就变成了一大难题。该文提出了基于语境和功能特征为一体的句子用途分类方案。首先，该文介绍了文法中藏文句子分类及其特征。其次，收集了大量藏文句子并对其进行了人工标注。最后，采用循环卷积神经网络对藏文句类进行了自动识别。实验表明，该模型对藏文句类识别有较为显著的效果。

基于多源信息融合的分布式词表示学习下载：25 浏览：438

冶忠林1，2，3，4 赵海兴1，2，3，4 张科1，3，4 朱宇1，3，4 《中文研究》 2019年6期

摘要:

分布式词表示学习旨在用神经网络框架训练得到低维、压缩、稠密的词语表示向量。然而，这类基于神经网络的词表示模型有以下不足:(1)罕见词由于缺乏充分上下文训练数据，训练所得的罕见词向量表示不能充分地反映其在语料中的语义信息；(2)中心词语的反义词出现于上下文时，会使意义完全相反的词却赋予更近的空间向量表示；(3)互为同义词的词语均未出现于对方的上下文中，致使该类同义词学习得到的表示在向量空间中距离较远。基于以上三点，该文提出了一种基于多源信息融合的分布式词表示学习算法(MSWE)，主要做了4个方面的改进:(1)通过显式地构建词语的上下文特征矩阵，保留了罕见词及其上下文词语在语言训练模型中的共现信息可以较准确地反映出词语结构所投影出的结构语义关联；(2)通过词语的描述或解释文本，构建词语的属性语义特征矩阵，可有效地弥补因为上下文结构特征稀疏而导致的训练不充分；(3)通过使用同义词与反义词信息，构建了词语的同义词与反义词特征矩阵，使得同义词在词向量空间中具有较近的空间距离，而反义词则在词向量空间中具有较远的空间距离；(4)通过诱导矩阵补全算法融合多源特征矩阵，训练得到词语低维度的表示向量。实验结果表明，该文提出的MSWE算法能够有效地从多源词语特征矩阵中学习到有效的特征因子，在6个词语相似度评测数据集上表现出了优异的性能。

会议场景下融合外部词典知识的领域个性化机器翻译方法下载：43 浏览：329

刘庆峰1 刘晨璇1，2 王亚楠2 张为泰2 刘俊华2 《中文研究》 2019年6期

摘要:

会议场景下通过语音识别和机器翻译技术实现从演讲人语音到另外一种语言文字的翻译，对于跨语言信息交流具有重要意义，成为当前研究热点之一。该文针对由于会议行业属性带来的专业术语和行业用语的翻译问题，提出了一种融合外部词典知识的领域个性化方法。具体而言，首先采用联合占位符和拼接融合的编码策略，通过引入外部词典知识，在提升实体词、专业术语词翻译准确率的同时，兼顾翻译结果的流畅性。其次提出基于分类的领域旁支参数个性化自适应策略，在保持通用领域翻译效果的情况下实现会议相关领域翻译质量的提升。最后基于上述方案，设计了一套领域个性化自动训练系统。实验结果表明，在中英体育、商务和医学会议翻译任务上，该系统在不影响通用翻译的情况下，平均提升9.22个BLEU，获得较好翻译效果。

MCA-Reader:基于多重联结机制的注意力阅读理解模型下载：43 浏览：389

张禹尧蒋玉茹毛腾张仰森《中文研究》 2019年5期

摘要:

机器阅读理解是当下自然语言处理的一个热门任务，其内容是:在给定文本的基础上，提出问题，机器要在给定文本中寻找并给出最终问题的答案。片段抽取式阅读理解是当前机器阅读理解研究的一个典型的方向，机器通过预测答案在文章中的起始和结束位置来定位答案。在此过程中，注意力机制起着不可或缺的作用。该文为了更好地解决片段抽取式机器阅读理解任务，提出了一种基于多重联结机制的注意力阅读理解模型。该模型通过多重联结的方式，更有效地发挥了注意力机制在片段抽取式机器阅读理解任务中的作用。利用该模型，在第二届"讯飞杯"中文机器阅读理解评测(CMRC2018)的最终测试集上EM值为71.175，F1值为88.090，排名第二。

维吾尔语词缀变体搭配规则研究及算法实现下载：28 浏览：412

艾孜麦提·艾尼瓦尔1，2，3 董军1，3 李晓1，3 《中文研究》 2018年12期

摘要:

该文介绍了维吾尔语词干结构特征、词缀结构特征及维吾尔语语音和谐律；以维吾尔语语音和谐律为基础，在充分考虑基本搭配规则和特殊规则的前提下，提出一种基于词干、词缀结构特征的维吾尔语词缀变体搭配算法；验证词干、词缀结构特征提取的正确性和完整性，并对500个名词词干和300个动词词干进行词缀变体搭配，分别生成9 000个名词和37 800个动词。借助维吾尔语文字校对系统和人工验证的方法，对生成的所有单词进行词缀变体搭配准确性验证；实验结果表明，名词和动词词干搭配词缀准确率分别为98.40%和96.49%，整体搭配准确率为96.86%；最后对搭配错误原因进行了分析。

基于小波分析的特征提取文本分类方法研究下载：61 浏览：327

朱晋1 怀丽波1 崔荣一1 尹慧2 《中文研究》 2018年12期

摘要:

该文提出了基于小波分析的文本特征提取方法，对传统TF-IDF向量空间模型下的特征向量进行了该文的小波变换、逆小波变换。使用KNN分类方法检验这两空间下的文本分类准确率。实验结果表明，该文的小波变换方法在减少了TF-IDF向量空间模型近一半的维度下在各种实验条件中都能和向量空间模型保持一致的分类准确率；该文的逆小波变换方法在大幅度降低TF-IDF向量空间模型维度的基础上，同实验中其他特征提取方法相比，在特定条件下有着卓越的特定文本类别分类优势，这也在一定程度上检验了压缩感知理论的正确合理性。

基于简单循环单元的深层神经网络机器翻译模型下载：41 浏览：447

张文1，2 冯洋1，2 刘群1，3 《中文研究》 2018年9期

摘要:

基于注意力机制的神经网络机器翻译模型已经成为目前主流的翻译模型，在许多翻译方向上均超过了统计机器翻译模型，尤其是在训练语料规模比较大的情况下，优势更加明显。该模型使用编码器—解码器框架，将翻译任务建模成序列到序列的问题。然而，在基于门控循环单元(gated recurrent unit，GRU)的编码器—解码器模型中，随着模型层数的增加，梯度消失的问题使模型难以收敛并且严重退化，进而使翻译性能下降。该文使用了一种简单循环单元(simple recurrent unit，SRU)代替GRU单元，通过堆叠网络层数加深编码器和解码器的结构，提高了神经网络机器翻译模型的性能。我们在德语—英语和维语—汉语翻译任务上进行了实验，实验结果表明，在神经网络机器翻译模型中使用SRU单元，可以有效地解决梯度消失带来的模型难以训练的问题；通过加深模型能够显著地提升系统的翻译性能，同时保证训练速度基本不变。此外，我们还与基于残差连接(residual connections)的神经网络机器翻译模型进行了实验对比，实验结果表明，我们的模型有显著性优势。

藏文字同现网络的小世界效应和无标度特性下载：19 浏览：201

才智杰1 孙茂松2 才让卓玛1 《中文研究》 2018年9期

摘要:

复杂网络具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质，而语言文字作为人类智慧和文明的结晶，是经过漫长演化形成的复杂网络。该文对藏语诗歌、散文、政治、佛教、教材和口语等六类具有代表性的体裁语料，每类各取15篇共90篇文章构建了97个藏文字同现网络，分析了藏文字同现网络的最短路径长度、聚类系数和度分布，实验数据显示97个藏文字同现网络都具有小世界效应和无标度特性，表明藏文字同现网络都具有小世界效应和无标度特性。

基于多模型的新闻标题分类下载：55 浏览：430

董孝政宋睿洪宇朱芬红朱巧明《中文研究》 2018年8期

摘要:

该文研究中文新闻标题的领域分类方法(domain-oriented headline classification，DHC)。现有研究将DHC限定为一种短文本分类问题，并将传统分类模型和基于卷积神经网络的分类模型应用于这一问题的求解。然而，这类方法忽视了新闻标题的内在特点，即为"标题是建立在凝练全文且弱相关的词语之上的一种强迫性的语义表述"。目前，融合了序列化记忆的循环神经网络在语义理解方面取得了重要成果。借助这一特点，该文将长短时记忆网络模型(long-short term memory，LSTM)及其变型——门控循环单元(gated recurrent unit，GRU)也应用于标题的语义理解与领域分类，实验验证其性能可达81%的F1值。此外，该文对目前前沿的神经网络分类模型进行综合分析，尝试寻找各类模型在DHC任务上共有的优势和劣势。通过对比"全类型多元分类"与"单类型二元分类"，发现在领域性特征较弱和领域歧义性较强的样本上，现有方法难以取得更为理想的结果(F1值<81%)。借助上述分析，该文旨在推动DHC研究在标题语言特性上投入更为充分的关注。

	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