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。

一种新的朝鲜语词性标注方法下载：45 浏览：363

金国哲崔荣一《中文研究》 2018年9期

摘要:

朝鲜语词性标注是朝鲜语信息处理的基础，其结果直接影响后续朝鲜语自然语言处理的效果。首先为了解决朝鲜语词性标注中遇到的形态素实际写法与原形不一致的问题，该文提出了一种在seq2seq模型的基础上融合朝鲜语字母信息的朝鲜语形态素原形恢复方法；其次，在恢复形态素原形的基础上，利用LSTM-CRF模型完成朝鲜语分写及词性标注。实验结果表明，该文提出的方法词性标注F1值为94.75%，优于其他方法。

基于BiLSTM-CRF模型的汉语否定信息识别下载：21 浏览：441

朱晋1 怀丽波1 崔荣一1 尹慧2 《当代中文学刊》 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。

基于小波分析的特征提取文本分类方法研究下载：43 浏览：258

朱晋1 怀丽波1 崔荣一1 尹慧2 《当代中文学刊》 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。

	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