基于层次化表示的隐式篇章关系识别

篇章关系识别研究旨在理解篇章内部论述单元(简称"论元",包括短语、句子及文本片段)之间的语义连接关系.现有研究通过交互式注意力机制方法,提升论元之间的信息的交互性,从而提升模型的分类能力.尽管如此,仅通过提升论元间的信息交互不能表述论元对的整体语义概念,原因在于现有方法往往将论元对视作独立的个体,忽略上下文信息对其语义上的影响.针对以上问题,提出一种基于层次化表示的隐式篇章关系识别方法,通过基于词的交互式注意力机制提取出较为重要的单词或短语,并通过论元的注意力机制赋予关键论元较高的权重,最终通过基于上下文的注意力机制融合论元对所在段落的信息,获得具有上下文语义信息的论元对表示.该方法进一步强化了论元之间信息交互性,同时强化了论元对与上下文信息间的交互.使用PDTB(Penn Discourse Treebank)语料进行实验,结果证明该方法的F_1值在四个大类关系(Comparison,Contingency,Expansion,Temporal)上相对基准系统提高了4. 94%,5. 43%,4. 57%和7. 42%.     

中文篇章级句间关系自动分析

篇章级句间关系分析包括语义单元的切分和各个单元之间的语义关系识别.已有的研究主要面向英文,到目前为止,尚无可用的中文篇章级句间关系自动分析系统发布.在中文篇章关系语料库的基础上,首次实现面向中文的篇章级句间关系自动分析系统,包括语义单元切分、连词识别、显式语义关系识别以及隐式语义关系识别等.实验结果显示:该系统在显式句间关系识别上F-score为89.8;,隐式句间关系识别上F-score为55.5;.     

浅谈篇章结构翻译

本文从篇章语言学解度出发,论述翻译过程中的篇章整体处理,语义联系及逻辑关系等问题.最后认为在翻译过程中词语、句子之正确翻译与对整个篇章语义意图的正确理解和翻译应该是同等的重要.     

汉语隐式篇章关系识别

采用一个自建的汉语篇章结构语料库(隐式关系占80%)进行隐式关系识别。语料中将篇章关系分成3个层次, 第一层包含因果、并列、转折、解说四大类。在此语料上, 利用上下文特征、词汇特征、依存树特征, 采用最大熵的分类方法对四大类关系进行识别。实验结果显示, 总正确率为62.15%, 其中并列类识别效果最好, F1值达到75.26%。     

基于混合树结构神经网络的隐式篇章关系识别

隐式篇章关系识别的主要挑战是如何表示两个文本单元的语义信息.由于句子的语义信息往往由语法树中的信息焦点(谓词部分)所决定,所以关注信息焦点可以提升篇章关系识别的效果.为了增强信息焦点的作用,引入树状长短时记忆(tree-structured long short-term memory,Tree-LSTM)网络,使用其遗忘门的特性区别对待不同孩子节点的信息.最后利用神经张量网络(neural tensor network,NTN)来计算两个句子语义向量之间的关系.基于PDTB2.0(Penn Discourse Treebank)语料数据进行实验,实验结果表明混合树结构神经网络比传统的RNN模型在大部分关系中的Fscore上提高了3.0%左右.     

基于组合特征的自训练隐式篇章关系的识别技术

信息抽取技术中,隐式篇章关系识别一直是研究难点.针对现有的有监督篇章关系识别方法中需要大量人工标注数据的缺点,提出了用自训练的策略实现半监督的隐式篇章关系的自动识别模型,尝试仅用少量标注样本,却获得和有监督方法相媲美的识别准确率,为未来实时大数据篇章关系识别提供了新的契机.此外,为了进一步提高识别的准确率,还针对词对特征、产生式特征、动词特征等9种篇章关系特征进行特征组合分析,构建候选篇章关系实例的知识表示,对模型进行优化.通过在Penn Discourse Treebank(PDTB2.0)语料库上的实验结果分析表明,该模型比传统有监督识别方法在准确率和F-score上分别提高了5.2%和13.5%.     

篇章信息度与大学英语教学

信息度是篇章性七个标准之一,指对于接受者而言篇章信息超越或低于期望值的程度.信息度过低会使篇章枯燥乏味,而信息度过高又会使篇章晦涩难懂;在大学英语教学中,教师对于篇章信息度的把握问题应给予充分考虑,并及时借助教材选择,语码转换,文化导入等手段调整信息度,促进大学英语教学.     

论篇章连贯在英汉翻译中的重要性

英汉翻译是将英语语育的深层结构译成汉语语言的深层结构,译文所传达的是原文深层结构的信息,保持原文深层结构的意义和风格。因此,在翻译过程中既要体现语义的一致性,还要体现篇章的连贯性。篇章连贯实现的手段通常有语义连贯、逻辑连贯和语篇连贯三种。只有充分重视篇章连贯,才能更好地进行英汉翻译。     

论篇章连贯在英汉翻译中的重要性

英汉翻译是将英语语言的深层结构译成汉语语言的深层结构，译所传达的是原深层结构的信息，保持原探层结构的意义和风格。因此，在翻译过程中既要体现语义的一致性，还要体现篇章的连贯性。篇章连贯实现的手段通常有语义连贯、逻辑连贯和语篇连贯三种。只有充分重视篇章连贯，才能更好地进行英汉翻译。     

英语测试的方式方法

在英语教学史上,通常按照流行的顺序将测试的方法归为四类:篇章翻译式、结构式、整体式及交际式。它们前后承接。 篇章翻译法被称作科学前阶段,测试内容涉及翻译,语法分析及作文;结构法把试卷分成语音、词汇、语法几部分;整体法强调语言的上下文,其中的完形填空一项就很是代表性,整体法也涉及翻译及作文等内容;交际法在强调上下文的同时,更侧重考查如何在交际情景中运用语言。 本文将以后两种方式为主,对四项基本技能及语法、词汇的具体考查方法作详细的归纳     

面向细粒度隐式篇章关系识别的远距离监督特征学习算法

针对中文细粒度隐式篇章关系识别进行研究。考虑细粒度篇章关系的方向性特点, 提出一种基于远距离监督的特征学习算法。该算法使用远距离监督的方法, 自动标注显式篇章数据, 然后利用词与连词之间的相对位置信息, 训练各个词的词表达, 将词的修辞功能以及关系的方向性编码到密集词表达中, 将这样的词表达应用到细粒度隐式篇章关系分类器。实验结果表明, 在细粒度隐式篇章关系识别任务中, 该方法的分类准确率达到49.79%, 比未考虑篇章关系方向性的方法有较大程度的提高。     

基于FCN的眼底图像中央凹自动检测算法

针对传统算法很难识别彩色眼底图像中央凹的问题, 提出一种基于全卷积网络（fully convolutional networks, FCN）的眼底图像中央凹自动检测算法. 首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息, 构建实现局部像素级分类的FCN模型, 然后将局部像素级特征推广到全局金字塔池化模块中, 使空间统计数据为全局语境理解提供了更好地描述与表达, 从而有效获得了极具区分度的全局上下文信息, 最后将全局与局部特征相融合, 实现对中央凹的精准检测. 实验结果表明, 该算法提高了眼底暗病变检测的特异性, 并为眼底严重病变的发现提供了有效证据.     

基于FCN的眼底图像中央凹自动检测算法

针对传统算法很难识别彩色眼底图像中央凹的问题, 提出一种基于全卷积网络（fully convolutional networks, FCN）的眼底图像中央凹自动检测算法. 首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息, 构建实现局部像素级分类的FCN模型, 然后将局部像素级特征推广到全局金字塔池化模块中, 使空间统计数据为全局语境理解提供了更好地描述与表达, 从而有效获得了极具区分度的全局上下文信息, 最后将全局与局部特征相融合, 实现对中央凹的精准检测. 实验结果表明, 该算法提高了眼底暗病变检测的特异性, 并为眼底严重病变的发现提供了有效证据.     

英汉篇章对比及翻译中的语篇意识

翻译是一个动态的过程,在翻译过程中需具备良好的语篇意识才能顺利完成翻译任务。在英汉翻译中,语篇是翻译中最大的交际单位,英语与汉语在篇章结构方面有不少相似之处和差异。就语篇范围而言,不同语篇的翻译应具有不同的特点,语篇翻译把语篇当做翻译对象和基本单位,重视语篇分析和语用意义。本文将在语篇衔接手段、段落结构以及篇章展开模式三个方面进行英汉对比分析来说明语篇分析的重要性。     

连接在篇章组织中的作用

篇章语言学家在研究连接时所提出的问题,与研究其他语法项目时所提出的问题一样,即连接词语在创造篇章时起什么样的作用?它们在篇章中是如何分布的?对于它们的试用限制在句法分析中还有哪些没有表现出来?在传统语法中其用法特征有哪些没有得到充分的解释?     

词汇衔接与篇章解读

篇章教学是大学英语教学的重心,而如何对篇章的理解实现评价性赏析仍然是目前存在的问题。本文试图探讨衔接的手段之一———词汇衔接在语篇分析中的位置及如何利用这一衔接手段解读篇章。     

从篇章语言学和认知语言学的角度解读Newmark的隐喻翻译

翻译的过程就是在原语和译语语言文化之间建立对等的过程,隐喻翻译的目标同样也是达到原语和译语表达的对等.由于现代语言学对隐喻现象的不重视,在翻译理论中隐喻的翻译也是一个弱项.从篇章语言学和认知语言学的角度讨论纽马克的隐喻翻译,分析了纽马克关于隐喻翻译的观点在现代翻译理论中具有的典型意义和其隐喻观导致的理论不足及原因.     

词汇衔接与篇章解读

篇章教学是大学英语教学的重心，而如何对篇章的理解实现评价性赏析仍然是目前存在的问题。本文试图探讨衔接的手段之一——词汇衔接在语篇分析中的位置及如何利用这一衔接手段解读篇章。     

基于BERT-BiLSTM-CRF模型的中文实体识别研究

中文文本实体识别,是自然语言处理的关键问题.传统的语言处理模型无法有效表示文本中的上下文语义信息,无法处理一词多义的不同语境,影响实体识别效果.提出了一种BERT-BiLSTM-CRF的实体识别模型,BERT预处理语言模型生成表征上下文语义信息的词向量,通过双向长短期记忆网络对生成的向量进行特征提取,自注意力机制能够有效获取文本语句中的长距离依赖,最后通过CRF进行解码生成实体标签序列.实验结果表明,该模型在微软亚洲研究院MSRA语料库和人民日报语料库上都取得了优异成绩,F1分别达到96.12％和95.88％.     

词汇衔接手段在综合英语篇章教学中的应用

篇章教学是英语专业综合英语教学中的重要环节.将词汇衔接手段应用于综合英语篇章教学中就是要引导学生运用词汇衔接手段赏析篇章.本文探讨了综合英语篇章教学与词汇衔接手段的联系,词汇衔接的具体手段,及其结合综合英语教程中的语段来谈谈如何将词汇衔接手段引入篇章赏析.教师要积极引导学生运用词汇衔接手段来赏析篇章,从而提高篇章阅读理解能力和写作水平.