多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言。随着“一带一路”倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法。然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性。因此,文章提出一种多策略融合的俄语文本词语提取方法,结合俄语词性分析、语法规则和串频统计等多种方法,自动提取包含单词和短语在内的俄语词语。在联合国平行语料库和Taiga Corpus语料库上的实验结果表明,文章提出的方法在保证高召回率的同时,达到了85%以上的高准确率,显著优于常用的n-gram方法,能够为俄语文本主题发现和文本分/聚类等文本挖掘应用提供有效的词库。     

基于MEM和HMM的中文词性标注方法

为了进一步提高中文语料库中语料的词性标注效率，在分析最大熵模型(MEM)和隐马尔科夫模型(HMM)所涉及理论、算法及其在中文词性标注技术中的应用的基础上，进行了基于MEM和HMM的中文词性标注实验.实验结果显示，基于MEM和HMM的中文词性标注算法都获得了一致性很好且覆盖率较高的标注效果，中文词性标注的准确率、召回率和F1这3个指标均达到92%以上；MEM的标注效果总体上比HMM的稍佳.     

汉语无定NP作主语的指称类型研究

名词性成分的指称问题一直是学界关注的热点,这不仅因为它的重要性,也在于它的复杂性和交叉性。本文选取无定NP作主语的指称类型作为考察重点,对前人研究进行梳理的同时,提出对名词性成分作主语的指称类型的研究不能仅从名词性成分本身入手,而必须放到更大的语境中考虑。有定/无定在汉语这样缺乏定式动词的语言中十分重要,但有定性的落实并不一定在句首的名词性成分上。若主语在形式上是无定的,那么后面的谓语不能是简单形式,必须足够复杂,以提供辨识无定NP主语的细节信息。     

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．     

汉英名词性上下义关系的比较研究

上下义关系一度是语义学和二语教学的研究重点。从思维和文化的角度对汉英名词性上下义关系进行分析,为探索语言与思维、语言与文化的内在关系提供了新的视角。用“X＋3”上下义模型分析语料,发现汉英名词性下义词在基本级和变称级上的构词法有差异。差异表明,汉语文化是综合、直觉和意象的,而英语文化是分析、理智和逻辑的。     

一种基于规则的无监督词性标注方法

提出一种基于规则的无监督词性标注方法,利用200多条英语语法规则,创建26个规则函数,先将输入的待标注英语句子进行预处理后得到初始标记,再对每个单词调用规则函数,最终得到标注后的英语句子.通过对Brown语料库的实验,词性标注的正确率达到93.95%.实验结果表明,本文方法可行、有效,能很好地提高英语词性标注的准确率.     

基于SVM的以词性和依存关系为特征的句子倾向性判断分析

将句法平面词的词性特征、依存关系、依存关系中的词性特征、邻接依存关系、邻接依存关系中的词性特征与倾向性词汇和倾向性搭配作为支持向量机（SVM）分类器的特征集，以句子为单位对多个领域的文本进行倾向性判断．通过交叉验证的方式，估计出分类器的精度为95．6％．据此提出句子倾向性分析可不以句子倾向性判断为前提．     

现代汉语否定副词修饰名词及其社会语言学观照

本文首先对现代汉语否定副词修饰名词进行了本体分析，认为其中的名词具有陈述义，但仍是名词。其次从社会语言学的角度分析了否定副词修饰名词现象产生的原因和发展趋势。     

常用英语否定前缀解析

词缀法是构词法的一种,在英语词汇的发展中起着非常重要的作用。根据词缀在词中的位置,可以划分为前缀,中缀和后缀。本文主要从以下几个方面分析常见的否定前缀：（1）常用否定前缀的语义特征。（2）常用否定前缀构词的特点。（3）常见否定前缀的应用规则。通过研究,本文旨在帮助英语学习者对常见否定前缀有更深刻的认识并且有效扩充词汇量。