文章-世纪中文出版社

李维1，2 闫晓东1，2 解晓庆1，2 《中文研究》 2020年2期

摘要:

目前，藏文抽取式文本摘要方法主要是提取文本自身的特征，对句子进行打分，不能挖掘句子中深层的语义信息。该文提出了一种改进的藏文抽取式摘要生成方法。该方法将外部语料库的信息以词向量的形式融入到TextRank算法，通过TextRank与词向量的结合，把句子中每个词语映射到高维词库形成句向量，进行迭代为句子打分，并选取分值最高的句子重新排序作为文本的摘要。实验结果表明，该方法能有效提升摘要质量。该文还在传统ROUGE评测方法的基础上，提出了一种采用句子语义相似度计算的方式进行摘要评测的方法。

基于改进TextRank的藏文抽取式摘要生成下载：61 浏览：469

李维1，2 闫晓东1，2 解晓庆1，2 《中文研究》 2020年1期

摘要:

目前，藏文抽取式文本摘要方法主要是提取文本自身的特征，对句子进行打分，不能挖掘句子中深层的语义信息。该文提出了一种改进的藏文抽取式摘要生成方法。该方法将外部语料库的信息以词向量的形式融入到TextRank算法，通过TextRank与词向量的结合，把句子中每个词语映射到高维词库形成句向量，进行迭代为句子打分，并选取分值最高的句子重新排序作为文本的摘要。实验结果表明，该方法能有效提升摘要质量。该文还在传统ROUGE评测方法的基础上，提出了一种采用句子语义相似度计算的方式进行摘要评测的方法。

基于数据增强的藏文改写检测研究下载：34 浏览：484

赵小兵1 鲍薇2 董建2 包乌格德勒3 《中文研究》 2019年10期

摘要:

该文针对藏文语料稀缺的问题，在藏汉双语、藏文单语文本改写检测任务中使用数据增强的方法，在一定程度上解决了低资源语言训练语料规模小的问题。在藏汉跨语言文本改写检测任务中，该文使用数据增强方法，有效利用目前公开的藏汉平行语料，扩充藏汉跨语言文本改写检测训练语料，当扩充至20万句对时，藏汉改写检测模型的皮尔森系数(pearson correlation)达到0.547 6，比基线系统的皮尔森系数提升了0.397 1，表明藏汉改写检测模型检测出的句对相似度值与人工标注的相似度值已达到中等程度相关。在藏文单语言任务中，该文采用训练藏文音节向量的方法，以缓解语料稀缺带来的词向量稀疏问题。实验结果表明，基于藏文音节向量的藏文改写检测模型的皮尔森系数可达到0.678 0，比相应的基于藏文词向量实验的结果提升了0.1，使得藏文单语言文本改写检测模型的检测结果与人工标注的结果达到了强相关程度。

汉藏双语旅游领域知识图谱系统构建下载：65 浏览：315

冯小兰赵小兵《中文研究》 2019年8期

摘要:

旅游业是藏族地区主要的经济来源之一。然而，目前互联网上缺乏藏文旅游信息智能化服务系统，且藏文景点介绍文本也十分匮乏；相反，汉文旅游网站信息量大，但各旅游网站包含的景点不尽相同，景点介绍文本篇幅较长，且各旅游网站对同一个景点描述侧重点不同。为便于不同语言使用者能快速准确地了解景点相关的知识，该文首先在汉文旅游领域分别采用基于BLSTM神经网络模型、基于维基百科以及基于网络爬虫等形式获取与景点相关的共8种属性知识；并通过采用基于维基百科等方法构建的旅游领域汉藏词典，将获取的汉文知识迁移到藏文，其翻译覆盖率平均值达70.44%。最终，构建汉藏双语旅游领域知识图谱。

基于RNN和CNN的蒙汉神经机器翻译研究下载：62 浏览：429

包乌格德勒1，2 赵小兵2 《中文研究》 2018年2期

摘要:

该文探讨了基于RNN和CNN的蒙汉神经机器翻译模型，分别采用蒙古语的词模型、切分模型和子词模型作为翻译系统的输入信号，并与传统的基于短语的SMT进行了比较分析。实验结果表明，子词模型可以有效地提高RNN NMT和CNN NMT的翻译质量。同时实验结果也表明，基于RNN的蒙汉NMT模型的翻译性能已经超过传统的基于短语的蒙汉SMT模型。

基于远程监督的藏文实体关系抽取下载：28 浏览：22

王丽客1 孙媛2 夏天赐1 《当代中文学刊》 2020年6期

摘要:

关系抽取任务是对句子中的实体对进行关系分类。基于远程监督的关系抽取是用预先构建的知识库来对齐朴素文本,自动标注数据,在一定程度上减少了人工标注的成本,缓解了藏文材料语料不足的问题。但是基于远程监督的实体关系抽取还存在错误标记、提取特征时出现噪声等问题。该文用远程监督方法进行藏文实体关系抽取,基于已经构建的藏文知识库,利用分段卷积神经网络结构,加入语言模型和注意力机制来改善语义歧义问题以及学习句子的信息;在训练过程中加入联合得分函数来动态修正错误标签问题。实验结果表明改进的模型有效提高了藏文实体关系抽取的准确率,且优于基线模型效果。

基于联合模型的藏文实体关系抽取方法研究下载：43 浏览：428

夏天赐1,2 孙媛1,2 《当代中文学刊》 2018年9期

摘要:

从无结构文本中抽取实体与实体之间的关系是自然语言处理领域的重要研究内容,同时也为构建知识图谱、问答系统等应用提供重要支撑。基于联合模型的实体关系抽取任务将实体识别和关系抽取同时进行,克服了传统实体关系抽取任务中先识别句子中的实体,然后再进行实体关系判断这两次任务中的错误累加。该文针对藏文语料匮乏、实体识别准确率不高等问题,提出了基于联合模型抽取藏文实体关系的方法。基于藏文实体关系抽取任务,提出以下方案:(1)针对藏文分词准确率不高的问题,对藏文进行字级和词级两种方式进行预处理,并给出对比实验,结果表明采用字级处理方式较词级处理方式效果有所提高。(2)藏文是一种语法规则比较强的语言,名词、格助词等能明确指示句子各组块之间的语法和语义结构关系,因此该文将藏文的词性标注特征加入到藏文的字词向量中,实验结果证明了方法的有效性。(3)该文借鉴了联合模型处理的优势,提出基于联合模型处理方式,采用端到端的BiLSTM框架将藏文实体关系抽取任务转变为藏文序列标注的问题,实验结果表明,该文的方法较传统的基于藏文处理方式,如SVM算法和LR算法,准确率提高了30%～40%。

一种连杆式欠驱动机械手指的抓取仿真下载：57 浏览：454

李霞丽兰天一吴立成《建模与系统仿真》 2019年2期

摘要:

为验证一种连杆式欠驱动机械手指的设计合理性和各项性能,采用Solidworks针对不同位置不同大小物体的多种情况,进行手指抓取物体过程的详细仿真,并分析手指的抓取范围、抓持过程中的欠驱动特性、运动连贯性及力学特性等。该机械手指可自适应抓取物体。仿真结果表明:该手指可实现均匀且连贯的抓取;可抓取直径范围在手指长度0.106～0.851倍之间的圆柱物体;使用一般小型电机驱动可产生5倍于人手的抓持力。通过仿真,实现了手指机构及其尺寸设计合理性和各项性能的分析与验证。

	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