文章-世纪中文出版社

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。

基于单句表示的篇章事件可信度识别方法下载：65 浏览：472

张刘敏张赟李培峰《中文研究》 2020年4期

摘要:

事件可信度表示文本中事件的真实状况，描述了事件是否是一个事实，或是一种可能还是不可能的情形，是自然语言处理中一个重要的语义任务。目前，大多数关于事件可信度分析的方法都集中在句子级，很少涉及篇章级。该文基于卷积神经网络，结合篇章中的句子级特征（包括句子的语义、语法以及线索词特征表示），使用对抗训练来识别篇章可信度。在中英文数据集上的结果显示，该文方法与最新的实验结果相比，微平均F1值分别提高了3.51%和6.02%，宏平均F1值分别提升了4.63%和9.97%。同时，该方法在训练速度上也提高了4倍。

细颗粒度汽车评论语料库的构建和分析下载：41 浏览：336

曹紫琰1 冯敏萱1 毛雪芬1 程宁1 宋阳2 李斌1 《中文研究》 2020年2期

摘要:

产品评论文本是情感分析的重要研究对象，目前已有的产品评论语料库大都较为粗疏，没有完整地标注出对象、属性、极性"三要素"，影响自动分析的应用场景。对此，该文构建了细颗粒度评论语料库，共包含9 343句汽车评论短文本，不仅人工标注了"三要素"的具体词语，而且将其对应到产品和属性的知识本体树上。此外，对无情感词的隐含表达、特殊文本(如建议文本、比较句等)也标注出对应的三元组并予以特殊标签。语料统计表明，对象和属性要素的共现率高达77.54%，验证了构建"三要素"齐全标注体系的必要性；基于该语料库的"三要素"自动标注实验F1值可达70.82%，验证了细颗粒度标注体系的可计算性以及语料库构建的规范性和应用价值。该语料库可以为细颗粒度情感分析研究提供基础数据。

基于双向注意力机制的图像描述生成下载：60 浏览：57

张家硕洪宇李志峰姚建民朱巧明《中文研究》 2020年1期

摘要:

结合注意力机制的编码器—解码器框架被广泛应用于图像描述生成任务中。以往方法中，注意力机制根据当前时刻的语义信息挑选出重要的局部图像特征，进而依靠解码器的"翻译"能力将图像特征解码成文字。然而，在此过程中，单向的注意力机制并未检验语义信息与图像内容的一致性。因此，所生成的描述在准确性方面有所欠缺。为解决上述问题，该文提出一种基于双向注意力机制的图像描述生成方法，在单向注意力机制的基础上，加入图像特征到语义信息方向上的注意力计算，实现图像和语义信息两者在两个方向上的交互，并设计了一种门控网络对上述两个方向上的信息进行融合。最终，提高解码器所蕴含的语义信息与图像内容的一致性，使得所生成描述更加准确。此外，与前人研究不同的是，该文在注意力模块中利用了历史时刻的语义信息辅助当前时刻的单词生成，并对历史语义信息的作用进行了验证。该文基于MSCOCO和Flickr30k两种图像描述生成数据集，并使用两种图像特征进行了实验。实验结果显示，在MSCOCO数据集上，BLEU4分值平均提升1.3，CIDEr值平均提升6.3。在Flickr30k数据集上，BLEU4分值平均提升0.9，CIDEr值平均提升2.4。

基于生成对抗网络的控辩焦点识别下载：28 浏览：346

杨亮1 周逢清1 张琍2 毛国庆3 易斌1 林鸿飞1 《中文研究》 2020年1期

摘要:

近年来，随着深度学习技术的不断发展，自然语言处理作为人工智能的一个重要分支，在许多垂直领域有了广泛的应用，如司法、教育、医疗等。在司法领域的庭审过程中，控辩双方往往围绕案件的争议焦点持有不同观点，而该焦点也是影响案件最终判决和量刑的关键所在，该文旨在识别并生成电子卷宗中的控辩焦点。由于控辩焦点的构成大多依赖对案情文本的分析概括，受此启发该文尝试将文本摘要的思想迁移到该任务中，结合生成对抗网络构建控辩焦点的生成模型，进而获得案件的控辩焦点。在裁判文书网的真实司法数据的基础上，开展了相关的实验。实验结果显示，所提出的模型对控辩焦点的识别精度有了一定幅度的提升。因此，该文对检察机关办案人员的庭前预案及案件审理有着一定的辅助作用与应用价值。

融合图片主题信息的图片描述翻译下载：41 浏览：399

唐建洪宇刘梦眙姚亮姚建民《中文研究》 2019年12期

摘要:

图片描述翻译是给定图片及图片在某一语言的描述，利用翻译技术为图片生成目标语言描述的任务。观察发现，不同图片表达的场景往往不同，对应的图片描述具有明显的主题差异性。因此，利用主题信息能够提升翻译效果。然而，图片描述的内容通常较短，无法有效反映其主题。针对该问题，该文提出了一种融合图片主题信息的图片描述翻译方法。对于任意的图片描述对，该方法首先借助相似图片检索技术从维基百科图片库中检索与源图片相似的目标图片，进而利用包含目标图片的文档学习源图片的主题表示。最终，利用训练集中所有图片描述对的主题表示重新学习并获取适应主题的翻译模型。实验结果表明，借助相似图片获取信息量更为丰富的描述文本，并利用文本的主题信息强化翻译模型的方法，能够提高现有统计机器翻译系统的性能，在WMT16测试集上进行的评测显示，翻译质量的BLEU值提升了0.74个百分点。

基于深度学习的关系抽取研究综述下载：25 浏览：357

庄传志1，2 靳小龙1，2 朱伟建1，2 刘静伟1，2 白龙1，2 程学旗1，2 《中文研究》 2019年12期

摘要:

关系抽取(RE)是为了抽取文本中包含的关系，是信息抽取(IE)的重要组成部分。近年来，研究人员利用深度学习技术在该领域开展了深入研究。由于神经网络类型丰富，基于深度学习的关系抽取方法也更加多样。该文从关系抽取的基本概念出发，对关系抽取方法依据不同的视角进行了类别划分。随后，介绍了基于深度学习的关系抽取方法常用的数据集，并总结出基于深度学习的关系抽取框架。在此框架下，对关系抽取方法在面向深度学习的输入数据预处理、面向深度学习的神经网络模型设计等方面的具体工作进行了分析与评述，最后对未来的研究方向进行了探讨和展望。

基于结构化表示的中文事件同指消解方法下载：20 浏览：375

宦敏程昊熠李培峰《中文研究》 2019年12期

摘要:

事件同指消解是自然语言处理中一个具有挑战性的任务，它在事件抽取、问答系统和阅读理解中具有重要作用。针对事件的语义信息主要由触发词和论元表示这一个特点，该文将事件进行结构化表示并输入一个基于门控和注意力机制的模型GAN-SR(gated attention network with structured representation)，在文档内进行中文事件同指消解。首先，该模型采用语义角色标注和依存句法分析技术对事件句进行浅层语义分析，抽取事件句信息并表示为一个事件五元组。其次，将各种事件信息输入GRU进行编码，然后使用多头注意力机制挖掘事件句和事件对之间的重要特征。在ACE2005中文语料库上的实验表明，GAN-SR的性能优于目前性能最好的基准系统。

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：223

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。

融合单语语言模型的藏汉机器翻译方法研究下载：60 浏览：266

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：271

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。

基于上下文词向量和主题模型的实体消歧方法下载：57 浏览：277

王瑞李弼程杜文倩《中文研究》 2019年8期

摘要:

传统词向量训练模型仅考虑词共现而未考虑词序，语义表达能力弱。此外，现有实体消歧方法没有考虑实体的局部特征。综合实体的全局特征和局部特征，该文提出一种基于上下文词向量和主题模型的实体消歧方法。首先，在传统词向量模型上增加上下文方向向量，用于表征语序，并利用该模型与主题模型训练主题词向量；其次，分别计算实体上下文相似度、基于实体上下文主题的类别主题相似度以及基于主题词向量的实体主题相似度；最后，融合三种相似度，选择相似度最高的实体作为最终消歧实体。实验结果表明，相比于现有的主流消歧方法，新方法是有效的。

EntropyRank：基于主题熵的关键短语提取算法下载：90 浏览：512

尹红陈雁李平《中文研究》 2019年7期

摘要:

关键短语提取是自然语言处理领域的一个重要子任务，其目的是自动识别出文本中的重要短语，现有方法主要强调词语间相关关系和词语自身影响力会影响关键短语提取效果。考虑到关键短语应准确地表示文档主题这一特点，该文提出一种基于主题熵的关键短语提取算法。该算法利用隐含狄利克雷分布训练文档和词的主题分布，并结合两个主题分布来表示特定文档下的词主题分布，然后计算词主题分布的信息熵即主题熵来表示词语自身影响力，最后在词共现网络上使用随机游走方法计算每个候选短语的得分。在6个公开数据集上的实验结果表明，与现有的无监督关键短语提取算法相比，该算法在F1指标上能提高2.61%～6.98%。

基于多任务学习的古诗和对联自动生成下载：32 浏览：467

卫万成1 黄文明1，2王晶1 邓珍荣1，2 《中文研究》 2019年7期

摘要:

实现古诗和对联的自动生成是极具挑战性的任务。该文提出了一种新颖的多任务学习模型用于古诗和对联的自动生成。模型采用编码-解码结构并融入注意力机制，编码部分由两个BiLSTM组成，一个BiLSTM用于关键词输入，另一个BiLSTM用于古诗和对联输入；解码部分由两个LSTM组成，一个LSTM用于古诗的解码输出，另一个LSTM用于对联的解码输出。在中国的传统文学中，古诗和对联具有很多的相似特征，多任务学习模型通过编码器参数共享，解码器参数不共享，让模型底层编码部分兼容古诗和对联特征，解码部分保留各自特征，增强模型泛化能力，表现效果大大优于单任务模型。同时，该文在模型中创新性地引入关键词信息，让生成的古诗及对联表达内容与用户意图一致。最后，该文采用自动评估和人工评估两种方式验证了方法的有效性。

面向知识库问答的实体链接方法下载：58 浏览：367

赵畅李慧颖《中文研究》 2019年7期

摘要:

面向知识库问答的实体链接是指将自然语言问句中实体指称链接到知识库中实体的方法。目前主要面临两个问题:第一是自然语言问句短，实体指称上下文不充分；第二是结构化知识库中实体的文本描述信息少。因此，该文提出了分别利用候选实体的类别、关系和邻近实体作为候选实体表示的方法，弥补知识库实体描述信息不足的问题。同时，通过语料训练得到问句指称的相似实体指称作为其背景知识。最后，结合实体流行度，共同作为实体消歧的特征。实验结果表明，上述提到所有特征的线性组合在数据集上高于单个特征的结果，表现最佳。

基于代表性答案选择与注意力机制的短答案自动评分下载：61 浏览：381

谭红叶1 午泽鹏1 卢宇2，3 段庆龙2 李茹1 张虎1 《中文研究》 2019年7期

摘要:

短答案自动评分是智慧教学中的一个关键问题。目前自动评分不准确的主要原因是:(1)预先给定的参考答案不能覆盖多样化的学生答题情况；(2)不能准确刻画学生答案与参考答案匹配情况。针对上述问题，该文采用基于聚类与最大相似度方法选择代表性学生答案构建更完备的参考答案，尽可能覆盖学生不同的答题情况；在此基础上，利用基于注意力机制的深度神经网络模型来提升系统对学生答案与参考答案匹配情况的刻画。相关数据集上的实验结果表明:该文模型有效提升了自动评分的准确率。

基于远程监督的关系抽取研究综述下载：44 浏览：379

白龙1 靳小龙2 席鹏弼2 程学旗2 《中文研究》 2019年6期

摘要:

关系抽取作为信息抽取的一项关键技术，在知识库自动构建、问答系统等领域有着极为重要的意义，一直以来受到人们的关注。远程监督关系抽取技术通过外部知识库作为监督源，自动对语料库进行标注，能够大量节省人工标注成本，因而受到了研究者们的重视。该文针对远程监督关系抽取技术做了较为系统性的梳理，将已有方法分为基于概率图的、基于矩阵补全的和基于嵌入的三大类，并且对其当前面临的挑战进行了探讨，最后总结并展望了远程监督关系抽取技术未来的发展。

基于多源信息融合的分布式词表示学习下载：25 浏览：453

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。

基于卷积循环神经网络的关系抽取下载：21 浏览：219

宋睿陈鑫洪宇张民《中文研究》 2019年5期

摘要:

关系抽取是信息抽取领域一项十分具有挑战性的任务，用于将非结构化文本转化为结构化数据。近年来，卷积神经网络和循环神经网络等深度学习模型，被广泛应用于关系抽取的任务中，且取得了不错的效果。卷积网络和循环网络在该任务上各有优势，且存在一定的差异性。其中，卷积网络擅长局部特征提取，循环网络能够捕获序列整体信息。针对该现象，该文综合卷积网络抽取局部特征的优势和循环网络在时序依赖中的建模能力，提出了卷积循环神经网络(convolutional recurrent neural network，CRNN)。该模型分为三层:首先针对关系实例抽取多粒度局部特征，然后通过聚合层融合不同粒度的特征，最后利用循环网络提取特征序列的整体信息。此外，该文还探究多种聚合策略对信息融合的增益，发现注意力机制对多粒度特征的融合能力最为突出。实验结果显示，CRNN优于主流的卷积神经网络和循环神经网络，在SemEval 2010Task 8数据集上取得了86.52%的F1值。

基于层次结构的生成式自动文摘下载：53 浏览：499

吴仁守张宜飞王红玲张迎《中文研究》 2019年5期

摘要:

基于编码器—解码器架构的序列到序列学习模型是近年来主流的生成式文摘方法。但是，传统的编码器尚不能有效地对长文档进行语义编码，并且只能学习线性链结构的信息，忽视了文档具有的层次结构。而文档的层次结构(字—句—文档)有助于自动文摘系统更加准确地判断文档内不同结构单元的语义信息和重要程度。为了使编码器能够获取文档的层次结构信息，该文根据文档的层次结构对文档进行编码:首先构建字级语义表示，然后由字级语义表示构建句级语义表示。另外，该文还提出了一种语义融合单元来对输入文档不同层次的语义信息进行融合，作为最终的文档表示提供给编码器生成摘要。实验结果表明，在加入该文提出的层次文档阅读器与语义融合单元后，系统性能在ROUGE评价指标上有显著提高。

	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