网络环境下情报检索语言的发展趋势

本文通过分析网络环境下人工语言与自然语言的应用,指出使用后控词表使自然语言与人工语言巧妙融合将是情报检索语言的发展趋势.     

网络环境下情报检索语言的发展趋势

本文通过分析网络环境下人工语言与自然语言的应用,指出使用后控词表使自然语言与人工语言巧妙融合将是情报检索语言的发展趋势。     

情报检索语言研究与《中国分类主题词表》

随着科学技术不断综合和分化,交叉学科和边缘学科群落的兴起,社会知识量巨增,信息和知识已成为重要的战略资源.新世纪经济的发展,都将使情报检索语言研究进入一个新的历史发展时期,由此提出了新的机遇和挑战.在此,值得重视和运用的是<中国分类主题词表>一体化,词表兼容,情报检索计算机化、情报检索语言智能化、自然语言的标引化,以及网络化和共享化的发展趋势.     

网络环境下情报检索语言的探讨

介绍了网络环境下影响情报检索语言多元化的因素,分析了网络情报检索语言的特点,探讨了网络环境下情报检索语言的发展趋势。     

从两种变项及其差异看两种逻辑的本质

从传统逻辑变项的特征看,传统逻辑语言是自然语言的语法语言,所以传统逻辑本质上是自然语言的形式逻辑。传统逻辑只注重对自然语言的语法分析,而忽视对自然语言的语义分析,这就不能不产生其所特有的缺陷:一是拘泥于自然语言命题的表层形式,二是命题形式的语义不清。从数理逻辑变项的特征看,数理逻辑语言只是表意符号语言,而不是自然语言的语法语言,所以数理逻辑本质上只是符号逻辑,而不是自然语言的形式逻辑:首先,数理逻辑最多只能用来解释自然语言的逻辑涵义,而不能用来解释自然语言的形式结构;其次,即使是对自然语言作语义解释,数理逻辑也是难以胜任的。     

自然语言的控制与优化

对受控语言和自然语言进行了对比,分析了自然语言成为检索语言的主体的优势和不足,探讨了搜索引擎中自然语言的优化处理方法。     

网络环境下情报检索语言的对比分析及未来发展趋势

分析了自然语言和人工语言的特点,阐述了网络环境对检索语言造成的影响,指出了自然语言和人工语言的融合或一体化是检索语言未来发展的必然趋势。     

网络环境下检索语言兼容性探讨

通过分析网络环境下分类主题语言、人工语言和自然语言自身的特征,发现分类主题一体化和人工语言与自然语言一体化是提高网络环境下检索语言检索效率的主要方法,并提出检索语言兼容是检索语言发展的必然趋势,更适合网络信息检索的发展。     

科技新路——认知科学和人工智能(续)

自然语言理解自然语言已成为认知科学的中心课题之一(自然语言这个词我们是指在日常生活中学习和使用的语言,以便同数学和计算机用的形式语言相区别)。一个理由是语言在人的思维和通讯中起着重要作用。另一个理由是要求机器理解和产生语言,以便人与计算机之间进行有效的通讯。学习自然语言与构造一个懂得没有限制的自然语言的计算机程序形成鲜明对比的是,儿童学习语言很快,而且显然很容易。学龄前儿童胜过任何人工智能程序,六岁的小孩积累词汇的平均速率是每月500     

自然语言词性序列的分类

采集142份主题句作业自然语言语料数据,利用中文自然语言处理平台构造自然语言的词性序列;经过语言结构粗粒化处理,建构由名词、动词、形容词和代词等4种实词构成的词性序列分类模型．研究结果显示,基于词性含量的自然语言词性序列分类模型的准确率达到90%;基于词序位置的自然语言词性序列的分类模型的准确率达到了95%．研究结论表明,自然语言的词性序列分类模型在语言认知领域具有较好的应用价值,不仅可以揭示和证实语言与心理信息之间存在的相关关系,而且可以通过客观的语言符号对内隐的心理信息做出科学的评估．     

图书情报检索语言与档案检索语言之比较

检索语言是检索系统的重要组成部分,在检索系统中起着语言保证的作用,是沟通信息的存贮和检索两个过程,标引人员和检索人员双方思想的桥梁。在不同的领域有着不同的检索语言,而图书情报检索语言和档案检索语言是两种重要的检索语言,通过比较两者之间的相关性及差异,进一步探索检索语言,以此促进两者的协调发展。     

中文问答系统的研究

介绍了有关中文问答系统的一些研究．问答系统是集知识表示、信息检索、自然语言处理技术于一体的难度很高的研究课题，本文从问题处理、检索系统、答案抽取三个方面进行了详细说明．     

双语词汇自动获取系统

介绍了一个基于Internet的双语词汇获取系统,提出了根据文本结构信息和内容信息进行对齐的方法,该方法的实现不依赖于任何语言的特点,从对齐结果中自动抽取双语词汇,系统最终的结果词汇又被用作鉴定未知词汇的依据,所提取出的词汇反映了大量的新词、专有名词和在不同上下文里的各种译文,可以应用在机器翻译呼多语种信息检索中。     

Boosting算法在文本自动分类中的应用

随着网络信息的迅猛发展，如何快捷、准确地识别和获取有用信息显得更为重要。文本自动分类系统是信息处理的重要研究方向，它是指在给定的分类体系下，根据文本的内容自动判别文本类别的过程。Boosting算法是一种新兴的机器学习算法。在文本分类中应用Boosting算法经过试验证明是有效的，并且优于目前的大多数分类算法。     

结合语义的位置语言模型

针对位置语言模型没有考虑词与词之间语义关系的问题, 提出一种结合语义的位置语言模型。首先采用高斯核函数来度量词与词之间的位置关系; 然后提出一种平滑互信息的技术来度量词与词之间的语义关系, 证明了平滑互信息能够有效解决大量词对之间无法通过互信息来计算转移概率的问题; 还证明了位置语言模型是结合语义位置语言模型的一个特例; 最后将结合语义的位置语言模型应用于信息检索, 得到一个基于该模型的检索模型。实验结果表明, 基于该模型的检索模型在性能方面要优于基于位置语言模型的检索模型。