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。

基于大规模语料库的介词结构搭配库构建下载：87 浏览：487

邢丹1 饶高琦1，2 荀恩东1 王诚文1 《中文研究》 2020年7期

摘要:

语言知识可帮助计算机正确地处理自然语言，介词结构知识作为语言知识的一种，对自然语言处理和语言教学研究有很重要的意义。该文基于大规模语料库构建了高质量的介词结构搭配库。首先在前人研究的基础上，对介词进行归类并建立了介词搭配知识体系，而后设计并实现了从大数据中获取介词结构搭配知识的规则，最后对抽取结果及其数据规模进行了统计和评估，主要目的是通过形式手段获取高质量的介词结构搭配，同时也为自然语言处理和语言学基础研究及应用提供数据支持。

三元搭配视角下的汉语动词语义角色知识库构建下载：38 浏览：191

王诚文1 钱青青1 荀恩东1 邢丹1 李梦1 饶高琦1，2 《中文研究》 2020年2期

摘要:

动词语义角色一直是国内外语言学界研究的重点和难点。在自然语言处理领域，相关的语言资源也在逐步构建。对于汉语而言，国内大部分工作集中在语义角色标注上。该文创造性地提出了一种三元搭配的动词语义角色知识表征形式，并在前人研究的基础上，提出了一套语义角色分类体系。在该体系指导下，对汉语动词进行了穷尽式的语义角色认定及相关知识加工，以构建汉语动词语义角色知识库。截至目前，该工程考察了5 260个动词，加工了语义角色及引导词的动词数量为2 685个，加工认定语义角色4 307个。

汉语基本复合名词短语语义关系知识库构建与识别下载：35 浏览：218

张文敏李华勇邵艳秋《中文研究》 2019年12期

摘要:

汉语复合名词短语因其使用范围广泛、结构独特、内部语义复杂的特点，一直是语言学分析和中文信息处理领域的重要研究对象。国内关于复合名词短语的语言资源极其匮乏，且现有知识库只研究名名复合形式的短语，包含动词的复合名词短语的知识库构建仍处于空白阶段，同时现有的复合名词短语知识库大部分脱离了语境，没有句子级别的信息。针对这一现状，该文从多个领域搜集语料，建立了一套新的语义关系体系，标注构建了一个具有相当规模的带有句子信息的基本复合名词语义关系知识库。该库的标注重点是标注句子中基本复合名词短语的边界以及短语内部成分之间的语义关系，总共收录27 007条句子。该文对标注后的知识库做了详细的计量统计分析。最后基于标注得到的知识库，使用基线模型对基本复合名词短语进行了自动定界和语义分类实验，并对实验结果和未来可能的改进方向做了总结分析。

基于成分共享的英汉小句对齐语料库标注体系研究下载：30 浏览：332

葛诗利1 宋柔2 《当代中文学刊》 2020年11期

摘要:

英汉小句对齐语料库服务于英语和汉语小句的语法结构对应关系研究和应用,对于语言理论和语言翻译(包括人的翻译和机器翻译)有重要意义。前人的语法理论和相关语料库的工作对于小句复合体和小句的界定缺乏充分研究,在理论上有缺陷,难以支持自然语言处理的应用。该文首先为英汉小句对齐语料库的建设做理论准备。从近年提出的汉语小句复合体的理论出发,该文界定了成分共享的概念,基于话头共享和引语共享来界定英语的小句和小句复合体,使小句和小句复合体具有功能的完整性和单一性。在此基础上,该文设计了英汉小句对齐的标注体系,包括英语NT小句标注和汉语译文生成及组合。语料库的标注表明,在小句复合体层面上英汉翻译涉及到的结构变换,其部件可以限制为英语小句和话头、话体,无须涉及话头和话体内部的结构。基于这些工作的英汉小句对齐语料库为语言本体研究和英汉语言对比、英汉机器翻译等应用提供了结构化的标注样本。

中文矛盾语块数据集构建和边界识别研究下载：28 浏览：301

李博涵姜姗刘畅于东《当代中文学刊》 2020年7期

摘要:

文本矛盾是自然语言理解的一项基础性问题。目前的研究大多针对矛盾识别任务,而深入文本内部探究矛盾产生原因的工作较少,且缺乏专门的中文矛盾数据集。该文在前人矛盾研究基础上,提出矛盾语块的概念,将其划分为7种类型,并根据标注规范构建了包含16 224条数据的中文矛盾语块(CCB)数据集。基于此数据集,利用序列标注及抽取式阅读理解类模型开展矛盾语块边界识别实验,以检验模型对矛盾内部语义信息的理解能力,结果显示阅读理解类模型在该任务上的性能优于序列标注模型。该文通过三个角度对影响语块边界识别的因素进行分析,为文本矛盾后续研究工作提供可靠的数据集和基线模型。

基于主题模型的古典乐器诗词文本挖掘下载：48 浏览：448

申资卓杨莹邵艳秋《当代中文学刊》 2019年8期

摘要:

古代先贤将乐器按其制作材料分为八类,《周礼·春官·大师》中记载"皆播之以八音:金石土革丝木匏竹。"该文将《全唐诗》、《全宋词》中有关"八音"的诗句、词句作为研究对象,使用基于LDA和NMF的主题挖掘、基于Author-Topic-Model的作者相似度计算等方法。从宏观到微观,从整体诗词到具体诗人/词人,从主题的聚类、动词形容词的抽取到具体诗人词人作品相似度的计算,多维度、多层次、多角度研究了唐诗宋词中的中国古典乐器。

基于序列标注的引语识别初探下载：49 浏览：469

贾泓昊罗智勇《当代中文学刊》 2019年7期

摘要:

句间引用关系自动识别是篇章分析中一项重要内容。句间引用关系影响着对句群篇章的分析,而目前自然语言处理中对引用这一句间关系的研究较少。句间引用关系主要体现在引语中的引用句上。引语由引导句和引用句组成,一般分为直接引语和间接引语,其中间接引语的识别难度最大。引导句和引用句相对位置不定、不同领域语料的引语与非引语比例极不均衡等进一步增加了引语自动识别的难度。该文主要尝试对引用这一句间关系进行初步探索,采用条件随机场(CRF)以及双向长短期记忆网络与条件随机场相结合(BLSTM-CRF)的方法对引语进行自动识别,并引入引导句中管领词特征进行实验对比。实验结果表明,CRF模型和BLSTM-CRF模型对引语的识别精确率分别达到85.49%和80.19%,F值分别达到78.75%和79.60%。

中文句法异构蕴含语块标注和边界识别研究下载：48 浏览：254

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：432

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。

文本可读性的自动分析研究综述下载：51 浏览：281

吴思远1,2 蔡建永2,3 于东1 江新2 《当代中文学刊》 2018年11期

摘要:

文本可读性问题最初由教育学家提出,初衷是辅助教师为语言学习者推荐适合其阅读水平的文本。随着计算机技术的发展及网页文本的涌现,对文本进行可读性分析有了更加丰富的技术手段和应用场景。该文对可读性自动分析的相关研究进行了梳理,将可读性自动分析的方法总结为公式法、分类法和排序法三类;然后进一步介绍了可读性自动分析中的两项重要内容:文本特征的选择和数据集的使用;最后对可读性研究的发展方向进行展望。

	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