统计学习方法在语义消歧中的应用研究

语义歧义大量存在于自然语言中,其排歧成功率是衡量机器翻译、信息检索、文本分类等自然语言处理软件性能的重要指标.对语义消歧这一自然语言理解领域的难点技术问题进行了探讨,分析了统计学习方法在语义消歧中的应用,阐述了统计语义消歧的有关技术,并给出一个基于贝叶斯与机读词典的语义消歧实例,取得了较高的语义消歧成功率.     

机器翻译的一些消歧方法研究

在机器翻译涉及的技术很多．其中,语言消歧就被列为机器翻译最为急迫解决的问题之一．本文的的工作首先对语言歧义的问题进行分析。然后论述一些具体消歧方法．     

基于词汇和句法的机器翻译消歧问题

机器翻译属于人工智能中的一个领域,在现代工业技术中的地位越来越重要.但机器翻译中通常会遇到的歧义问题大大影响了机器对自然语言的理解.使机器翻译的难度加大,译文可读性极差.本文主要讨论机器翻译中存在的歧义问题,以及基于词汇和句法的处理歧义问题的常用方法.     

一种基于SVM和规则消除组合型歧义的算法

歧义的处理是影响分词系统切分精度的重要因素,也是中文自动分词系统中较为困难的问题.提出一种基于支持向量机(SVM)和规则(Rules)相结合的算法(SR算法),对中文分词过程中的组合型歧义字段进行排歧.SR算法主要思想是利用支持向量机分类的原理,结合词性搭配的一些规则排除组合型歧义.实验表明,用此算法对几种不同的语料进行排歧测试,排除组合型歧义字段的切分正确率可达83%左右,为解决中文自动分词难题提供了一条新路径.     

汉语自动排歧方法研究

介绍和总结了汉语各个层次的歧义问题,全面分析和讨论了基于规则、基于统计、基于实例和基于词典的排歧方法和它们的存在的问题.针对汉语的一些歧义现象,在实例分析的基础上,给出了基于语义知识的消歧方法.     

汉英机器翻译中的近似算法与歧义处理探讨

在机器翻译的研究中,混合式方法是一种好方法.本文的主要工作有两部分:第一部分提出一种近似机器翻译的算法;第二部分针对自然语言在各个层次上普遍存在的歧义性,对语言歧义的问题进行分析,论述一些具体消歧方法.     

基于SC文法的英汉机译中消歧处理的研究

在机器翻译中，从原文输入到译语文输出的各个分析和转换层面上都存在着不同类型的歧义现象，因此消歧处理成为机器翻译所面临的最重要同时了难的课题之一。前人 一些机器翻译产生深刻影响的文法理论，但歧义问题始终未能得到圆满解决。在基于ＳＣ法的智能汉机器翻译系统（ＩＭＴ／ＥＣ）中，充分利用文法的技术特点，在机器翻译的几个主要阶段处理了不同类型的歧义问题，使ＩＭＴ／ＥＣ的译准率明显提高。     

双语句法分析及歧义消解

提出了一个利用待分析句的对译句作为附加信息来排除分析句歧义的双语句法分析器。这种利用语言之间信息排歧的方法基本解决了单纯在某一种语言内难以解决的排歧难题，双语句法分析的核心是反应源语言，目标语言间对译关系的翻译模型理论，提出的“抽象句法树”的概念以及基于抽象句法树的翻译模型理论，能使系统排除翻译异常现象的干扰，从对译句获取有助有助于排歧的信息。     

基于Perl的汉语自动分词算法研究

汉语的自动分词是汉语语言处理的基础,本文讨论了汉语自动分词歧义问题的产生与分类,重点研究了交集型歧义字段的排歧策略,实现了一种基于Perl的汉语自动分词方法,在比较同种算法的VC 实现上,结果显示基于Perl的实现具有简洁和高效的优点。     

“语用歧义”辨析

本文针对学界存在的对语用歧义的几种理解,对“语用歧叉”的概念作了辨析,得到以下的结论：对语用歧叉的理解分为语用歧解和语用模糊两类。歧解由交际双方理解的不一致触发,歧解现象发生时交际双方对话语一般有确定的解释。语用模糊由说话人间接、模糊的表达或者听话人理解的不确定引起,模糊现象发生时说话人和听话人对话语一般都有多个解释。因此,语用歧解与语用模糊是两种不同的语用现象,将两种现象混同探讨不利于对“语用歧义”的研究。本文进一步阐述了语用歧义,分析了说话人表达与听话人理解之间存在的九种交际效果。     

词义自动消歧概率模型

提出了一种词义自动消歧概率模型·在词义自动消歧实验中,分析了高频率词义、指示词、特定领域、固定搭配和固定用法信息对名词和动词词义消歧的影响·目前该词义自动消歧系统已经应用于基于词层的英汉机器翻译系统(汽车配件专业领域)中,有效地提高了翻译性能     

基于隐特征提取和CRF模型的中文词义消歧

传统的中文词义消歧方法是通过观察文本的上下文信息、词性等显性特征建立消歧模型,本文通过对歧义产生原因进行深入的分析,发现词语之间隐含的语法结构、语义信息等也会导致歧义的产生,可以考虑将这些信息加入消歧模型进行消歧。由于《知网》知识库中对词语之间的搭配信息进行了总结,本文借助《知网》提取训练语料库所获取的词语搭配信息的隐性语义特征,结合显性的上下文特征,采用条件随机场的方法进行词义消歧。最后,通过实验进行词义消歧和效果验证,结果表明：本文采用的方法与传统的条件随机场消歧相比,词义消歧的准确率得到了提高。     

基于连接文法的双语E-Chunk获取方法

提出了一种面向机器翻译领域的扩展Chunk概念·EChunk是在Chunk概念基础上基于语义惟一性的一种扩展形式,其具体形态表现为具有无歧义性、复现性、可嵌套性、内部结构句法自足性的无歧义机器可翻译单元·讨论了使用连接文法的连接因子进行英语EChunk的识别技术和双语EChunk获取方法·双语EChunk库的建立必将为基于Chunk的机器翻译技术提供极大的支持·     

一种基于上下文规则的词义消歧算法

针对一词多义现象, 提出一种基于上下文规则的词义消歧算法(CR-WSD), 该算法以定义消歧规则的方式确定多义词在文本中的具体含义, 利用WordNet中知识结构和上下文关系进行语义选择, 完成词义消歧. 用Senseval 3中的全文作为测试集, 实验结果表明该算法能有效地实现词义消歧.     

利用BP神经网络的中文词义消歧模型

词义消歧在自然语言处理中一直是一个难点问题,同时,也是很多领域都需要解决的一个重要环节．本文介绍了一种基于BP神经网络和统计方法相结合的有导词义消歧模型,详细讲解了BP神经网络原理;对使用这种混合人工智能的消歧模型的可能性和优越性进行了讨论;通过试验发现实际和预测结果的误差并不随着试验迭代次数而递减,而是实际误差随着次数的增加在零的附近呈现波动状态,即使用很少的迭代次数也可以得到比较好的结果．由此得出,BP神经网络预测模型在词义消歧的中具有良好的应用前景．     

融合词义消歧的汉语句法分析方法研究

将句法分析与词义消歧相结合, 根据层次化语义知识的句法分析框架, 在句法分析训练过程中, 利用句法结构信息对文法模型进行调整, 解决了引入语义时所面的歧义问题, 构建一种句法分析和词义消歧的 一体化方法。实验表明, 在句法分析过程中进行词义消歧处理, 使句法分析的性能显著提升, 同时也获得词 将句法分析与词义消歧相结合, 根据层次化语义知识的句法分析框架, 在句法分析训练过程中, 利用句法结构信息对文法模型进行调整, 解决了引入语义时所面对的歧义问题, 构建一种句法分析和词义消歧的一体化方法。实验表明, 在句法分析过程中进行词义消歧处理, 使句法分析的性能显著提升, 同时也获得词义消歧能将句法分析与词义消歧相结合, 根据层次化语义知识的句法分析框架, 在句法分析训练过程中, 利用句法结构信息对文法模型进行调整, 解决了引入语义时所面对的歧义问题, 构建一种句法分析和词义消歧的一体化方法。实验表明, 在句法分析过程中进行词义消歧处理, 使句法分析的性能显著提升, 同时也获得词义消歧能力。     

Song Ci Style Automatic Identification

To identify Song Ci style automatically, we put forward a novel stylistic text categorization approach based on words and their semantic in this paler. And a modified special word segmentation method, a new semantic relativity computing method based on HowNet along with the corresponding word sense disambiguation method are proposed to extract words and semantic features from Song Ci. Experiments are carried out and the results show that these methods are effective.     

基于综合信息的汛期库水位实时动态控制方法

以提高洪水资源利用率为目标,研究利用实时水雨工情及短期雨洪预报等综合信息的汛期库水位实时动态控制方法,即改进的预蓄预泄法.应用实例表明,在不降低水库上下游防洪标准的前提条件下,可使桓仁水库及梯级库群的发电效益明显增加.该综合信息的汛期库水位实时动态控制方法,对北方水资源短缺地区调节性能较高的大型水库(水电站)汛期实时调度,有较好的借鉴意义.     

基于规则的机器翻译技术综述

回顾基于规则的机器翻译中的文本处理、文本分析、词典构成、词典查询和语义排歧技术,指出基于规则的机器翻译因为词义选择、层次切分、特殊句型结构等固有难题难以圆满解决,只有发展新的翻译技术,才能使机器翻译质量达到实用水平.