粮食作物古汉名训诂(四)

采用训诂学与现代植物学相结合的方法,对从我国古代典籍中收集到的58个粮、油兼用作物的古汉名进行了考证,它们隶属于4科5属5种.     

粮食作物古汉名训诂(二)

我国古代典籍中记述有许多粮食作物名称.由于历史变迁,称谓嬗变,缺乏系统的研究与整理,影响了科学文化的继承与传播.本文收集了62个豆类作物的古汉名并进行了考证,它们隶属7属11个种.该项研究沟通古今、沟通中外,可以促进我国作物栽培史的研究,在拯救、继承与弘扬古文化方面具有学术价值与社会意义.     

粮食作物古汉名训诂(三)

我国古代典籍中记述有许多作物名称,由于历史变迁,称谓嬗变,缺乏系统研究与整理,影响科学文化的继承与传播.本文收集了60个具有地下根茎的作物古汉名并进行了考证,它们隶属于5科、6属、6种.该项研究沟通古今,沟通中外,可以促进我国作物栽培史的研究,在拯救、继承与弘扬古文化方面具有学术价值与社会意义.     

茄科植物古汉名训诂

采用训诂学与现代植物学相结合的方法,将收集到的白英、枸杞、曼陀罗、青杞、天仙子、龙葵、酸浆、苦蘵、刺天茄、红丝线等10种茄科植物古汉名进行了考证.     

观赏植物(20种)古汉名初步考证

本文将20种观赏植物在我国古代典籍中所出现的名称一一列举及简述,并作了科学鉴定.对其同物异名与异物同名现象也作了讨论.     

姜科植物古汉名考证

在我国古代典藉中记载有许多姜科植物，其名称与现代名称大多都不一致．为了沟通古今、沟通中外、弘扬我国古文化，笔者收集并考证了姜科植物古汉名４２个，归属于姜科的山姜属、砂仁属、姜黄属、姜花属、山奈属、姜属，共１８种．     

海漆等几种植物的古汉名考证

采用训诂学与现代植物学相结合的方法,就古代文献中的海漆、红荆树、罗望子树、乌饭树的古汉名进行考证,在继承与传播古典植物学文化方面具有一定的学术价值与社会意义.     

十二种古代重要蔬菜类植物古汉名考证

在我国古代典籍中记载有许多蔬菜植物,其名称与现代名称大多都不一致,为了沟通古今、沟通中外,弘扬我国古文化,笔者对十二种蔬菜类植物的古汉名进行了考证。     

矿区水土流失预测——以河南焦作煤业(集团)有限责任公司古汉山矿井为例

根据古汉山矿井建设项目的总体布局和施工工艺,在调查煤矿建设过程中可能损坏、扰动地貌植被面积,弃土弃渣的来源、数量、堆放方式、堆放地点及占地面积的基础上,结合煤矿特点及当地水土流失特征.经过综合论证分析,对可能产生的水土流失量进行了评估和预测.     

古籍《诗经》中的鱼类古汉名考证

生物学史研究中的一项重要任务是拯救古文化,《诗经》是我国先秦文化的精品,其中记载的鱼类有14种,多数种类古今称谓不同.本文运用现代动物学和训诂学的方法对其名称进行了认真的考证,沟通了古今,沟通了中外.     

汉语自动分词中中文地名识别

以词语级的中文地名为识别对象,根据地名内部用字的统计信息和地名构成特点产生潜在地名．在汉语自动分词中将可信度较高的潜在地名等同于句子的候选切分词,利用候选切分词本身的可信度和上下文接续关系评价句子的各种切分方案．在确定句子最佳切分时识别句子中的中文地名．对真实语料进行封闭和开放测试,封闭测试结果为召回率93．55％,精确率94．14％,F-1值93．85％;开放测试结果为召回率91．27％,精确率73．48％,F-1值81．42％．取得了比较令人满意的结果．     

CRF与规则相结合的中文地名识别

采用递增式学习策略优化条件随机域(conditional random fields,CRF)的特征模板以提高中文地名的识别效果,结合语言学相关知识构建规则库,以弥补机器学习模型获取知识不够全面导致召回率偏低的不足,最终实现了CRF与规则相结合的中文地名识别系统.实验结果表明,采用CRF与规则相结合的方法识别中文文本中的地名是有效的,对Bakeoff2007NER任务的MSRA语料进行开放测试,召回率、精确率和F值分别为94.67%、92.35%和93.50%.     

基于互信息的中文姓名识别方法

提出并实现了一个基于互信息的中文姓名识别方法,该方法充分挖掘姓名和其上下文信息的关联程度以及姓名用字之间关联程度的信息,引入互信息对其进行定量的描述;提出中文姓名的上下文互信息、内部互信息等概念,并对其建立了动态评价函数,开放测试结果表明,该方法有效地提高了中文姓名识别的效果,保证了较高的精确率和召回率。     

基于支持向量机的中文文本中地名识别

提出并实现了一种基于支持向量机(SVM)的中文文本中地名的自动识别方法.结合地名的特点,抽取单字本身、基于字的词性、是否在地名特征词表中及其上下文的信息作为向量的特性,并将其转化为二进制表示,在此基础上建立了训练集,并通过对多项式Kernel函数的测试,得到了用支持向量机进行地名识别的机器学习模型.实验表明,所建立的SVM地名识别模型是有效的,系统开式召回率和精确率分别达86.69% 和93.82%,F-值为90.12%.     

汉语商标词的贬词不贬现象分析

在市场经济快速发展的今天,商标越来越受到人们的关注.汉语商标词中出现了贬词不贬的语言现象,这种语言现象的产生同社会的政治环境、文化心理、思想观念及外来文化影响是分不开的.