语篇分析与翻译

作为语言学中的一个流派,语篇分析在对翻译研究的领域里发生了不小的影响。文章旨在运用对比的方法廓清翻译和语篇分析的本体,以此作为基础研究两者之间的关系,发掘翻译语篇中的深层次含义。     

面向中文专利SAO结构抽取的文本特征比较研究

针对中文专利文本中SAO结构实体关系抽取问题, 使用支持向量机的机器学习方法进行关系抽取实验, 分别对基本词法信息、实体间距离信息、最短路径闭包树句法信息以及词向量信息等特征的有效性进行验证分析。实验结果表明, 基本的词法信息能够明显提高关系抽取性能, 而句法信息没有显著提高关系抽取效果。此外, 也验证了词向量在SAO结构关系抽取中的可行性。     

一种无指导命名实体关系抽取研究

提出了一种网络数据挖掘的方法从大规模文集中抽取命名实体之间的关系．其核心思想是,将文集中的命名实体对以及它们的上下文表示成网络结构并从该网络结构中发现网络社区,则每个社区表示一种关系,而处于相同社区中的命名实体对具有相同的关系;最后我们用适当的词语来标记这些关系．我们使用《人民日报语料库》进行实验,其结果表明我们不但可以得到较高的准确率,而且可以自动的标注命名实体的关系．     

基于字词混合和GRU的科技文本知识抽取方法

知识抽取任务是从非结构化的文本数据抽取三元组关系(头实体-关系-尾实体)。现有知识抽取方法分为流水式方法和联合抽取方法。流水式方法将命名实体识别和实体知识抽取分别用各自的模块抽取,这种方式虽然有较好的灵活性,但训练速度较慢。联合抽取的学习模型是一种通过神经网络实现的端到端的模型,同时实现实体识别和知识抽取,能够很好地保留实体和关系之间的关联,将实体和关系的联合抽取转化为一个序列标注问题。基于此,本文提出了一种基于字词混合和门控制单元(Gated Recurrent Unit, GRU)的科技文本知识抽取(MBGAB)方法,结合注意力机制提取中文科技资源文本的关系;采用字词混合的向量映射方式,既在最大程度上避免边界切分出错,又有效融入语义信息;采用端到端的联合抽取模型,利用双向GRU网络,结合自注意力机制来有效捕获句子中的长距离语义信息,并且通过引入偏置权重来提高模型抽取效果。     

面向领域知识图谱的实体关系联合抽取

文本数据中的实体和关系抽取是领域知识图谱构建和更新的来源.针对金融科技领域中文本数据存在重叠关系、训练数据缺乏标注样本等问题,提出一种融合主动学习思想的实体关系联合抽取方法.首先,基于主动学习,以增量的方式筛选出富有信息量的样本作为训练数据;其次,采用面向主实体的标注策略将实体关系联合抽取问题转化为序列标注问题;最后,基于改进的BERT-BiGRU-CRF模型实现领域实体与关系的联合抽取,为知识图谱构建提供支撑技术,有助于金融从业者根据领域知识进行分析、投资、交易等操作,从而降低投资风险.针对金融领域文本数据进行实验测试,实验结果表明,本文所提出的方法有效,验证了该方法后续可用于金融知识图谱的构建.     

批评语篇分析及其对批评性阅读的启示

批评语篇分析是现代语篇分析方法中非常重要的方法之一。它的特点就是发现语篇背后的意识形态和权力的关系,从而提高人们的批评性语言意识,并且解决社会中的不平等现象。本文在对批评语篇分析进行全面概括之后,进一步探讨了批评性阅读的内涵,最后以理论与实例结合的方式对批评语篇分析与批评性阅读的关系进行进一步地阐述。     

基于注意力机制的远程监督实体关系抽取

关系抽取是许多信息抽取系统中的一个关键步骤,旨在从文本中挖掘结构化事实.在应用传统的远程监督方法完成实体关系抽取任务时存在2个问题:①远程监督方法将语料库中的文本与已标注实体和实体间关系的知识库启发式地对齐,并将对齐结果作为文本的标注数据,这必然会导致错误标签问题;②目前基于统计学的方法过于依赖自然语言处理工具,提取特...     

联合罪名预测的涉案新闻重叠实体关系抽取

涉案新闻重叠实体关系抽取对于构建案件知识图谱有着重要意义。传统的方法通过定位关系指示符来抽取重叠实体关系,在涉案新闻中,预测罪名的关键词可以作为定位关系指示符的重要依据。该文提出一种联合罪名预测的涉案新闻重叠实体关系抽取方法。预测罪名,将罪名向量融入到关系分类和实体标签分类的状态向量中,实现重叠实体关系抽取。为了缓解因联合罪名预测而给重叠实体关系抽取带来的错误传播问题,引入一种分层级联强化学习机制,将整个过程分解为罪名预测层和重叠实体关系抽取层,利用罪名指导重叠实体关系抽取,帮助重叠实体关系抽取层优化强化学习策略。将重叠实体关系抽取结果反馈给罪名预测层帮助罪名预测层优化强化学习策略。试验表明:该文提出的模型相比基线模型的F1指标提升了4%。     

英语新闻语篇的批评性话语分析——以《中国日报》和《纽约时报》对谷歌事件的报道为例

批评语篇分析的主要目的是揭示语言使用、意识形态和权势之间的关系。本文首先概述了批评语篇分析的理论及其常用的分析方法,然后运用该方法对《中国日报》和《纽约时报》关于谷歌事件的英语新闻报道进行对比分析,探讨了意识形态在新闻报道中的影响,从而揭示了批评语篇分析在分析大众语篇时的独特优势。     

批评性语篇分析:理论述评与实例分析

批评性语篇分析的目的在于揭示语篇中隐含的意识形态意义。本文首先介绍了批评性语篇分析的概念、理论基础和分析模式,然后用该理论框架分析了二战时英国首相邱吉尔的一篇演讲,重点论述语篇、权势和意识形态之间的关系。探讨批评性语篇分析在阅读大众媒体语篇中的积极作用,有助于增强读者对语言的敏感度,提高批评性语言意识及分析能力。     

匹配关系在儿童故事中的应用

语篇分析是一个对于语言研究和语言教学来说都具有重要意义的语言学领域。对语篇的分析方法有很多,而由Winter和Hoey提出的语义单位关系理论就是其中很有创见的分析方法之一。从介绍语义单位关系这一理论开始,通过实例分析语义单位关系中的匹配关系在儿童故事中的应用,尝试从认知过程的角度对儿童故事中匹配关系的高出现率这一现象进行探讨。     

长输油气管线风险概率分析软件研究

目前有关管道风险分析软件仅处于半定量化水平,且实用水平普遍较低.应用系统风险可靠性分析的基本原理,以油田长输管线为分析对象,确定管线服役过程中的失效事件为顶事件,应用故障树分析法(FTA)建立故障树,并对其进行定性和定量分析,得出故障树的全部最小割集和顶事件的发生概率.对各基本事件的结构重要度、概率重要度和关键重要度进行了计算.重点介绍了长输油气管线风险概率分析软件的总体结构、功能及其实现过程.最后给出了应用实例.     

美对台军售英文报道的话语互文性研究

互文性是语篇分析的一个重要概念,它不仅反映了不同文本之间的关系,而且反映了特定社会机构的话语秩序。文章以《纽约时报》2010年1至8月关于美对台军售这一热门话题的新闻报道作为语料,以英语新闻报道中的转述引语作为分析重点,从转述引语的消息来源、转述模式和转述动词三方面进行互文性分析,意在揭示语篇背后隐藏的意识形态意义,以帮助读者更好地解读英语新闻报道,提高批判性阅读的能力。     

强化文本关联语义和多特征提取的重复缺陷报告检测模型

针对重复缺陷报告检测研究中存在语义长距离依赖以及缺陷报告特征的单一性问题,提出一种强化文本关联语义和多特征提取的重复缺陷报告检测模型。引入自注意力机制捕获缺陷报告文本序列内部的语义关联性,从而动态计算上下文语义向量进行语义分析,解决长距离依赖问题;利用隐含狄利克雷分布算法捕获缺陷报告文本的主题特征,同时针对缺陷报告的类别信息,构建一种特征提取网络计算类别差异特征;最后基于3类特征向量进行综合检测。实验结果表明,该模型实现了更优的检测性能。     

从批评视角解读英语经济语篇中的概念隐喻—以金融危机报道为例

隐喻在经济语篇中极为普遍,经济领域里的抽象概念往往通过隐喻概念来再现。经济隐喻的种类很多,主要结合所收集到的语料,对英语经济新闻报道中的金融危机概念隐喻进行调查,揭示自然灾害、疾病、战争和意外事故等四个领域与金融危机之间的相似性与认知关系,并从批评的角度探讨金融危机隐喻作为概念隐喻在新闻报道中的功能。     

类型学视阈下的英汉总结性话语标记考究

英汉总结性话语标记,是言语交际中使用频次较高的语言表达式,其语义关系多样,语用功能丰富。研究发现英汉总结性话语标记分布模式相对固定,存在原型位置,同一语段中前后话语之间存在递进强化、因果推导及逆向转折等五种语义关系。同时,话语建构中总结性话语标记突显出总结概括、阐发评述及交互主观的语用功能。这一研究有助于从类型学层面揭示英汉总结性话语标记的内在机理,促进两类话语标记的习得和使用。     

基于最大熵的汉语篇章结构自动分析方法

在标有复句逻辑语义关系的清华汉语树库上, 研究汉语篇章语义片段自动切分以及篇章关系的自动标注方法。通过比较不同序列标注模型对汉语篇章语义单元切分的性能, 提出基于最大熵模型的汉语篇章结构分析方法。实验结果表明, 篇章语义单元自动切分的F值能达到89.1%, 当篇章语义结构树的高度不超过6层时, 篇章语义关系标注的F值为63%。     

权力话语的镜像表现——论中国“十七年”电影英雄叙事的性别话语

“十七年”电影中的性别话语作为一种文化话语是一种功能、运动和关系,其意义也在这些功能、运动和关系中产生、发展和变化,英雄叙事功能本身就构成一个复杂的话语系统。因此,“十七年”电影英雄叙事的性别话语研究就必须结合其他话语系统如意识形态、历史等,才能充分考虑背后的权力关系,即叙事运作的策略性关系。     

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。     

Automatic Partition of Chinese Sentence Group

Automatic partition of Chinese sentence group is very important to the statistical machine translation system based on discourse. This paper presents an approach to this issue: first, each sentence in a discourse is expressed as a feature vector; second, a special hierarchical clustering algorithm is applied to present a discourse as a sentence group tree. In this paper, local reoccurrence measure is proposed to the selection of key phrases and the evaluation of the weight of key phrases. Experimental results show our approach promising.