基于相邻词的中文关键词自动抽取

文档关键词概括了文档的主题和内容,在信息检索、文本分类、文本聚类等领域有着重要应用.在总结前人研究成果的基础上,提出了一种基于相邻词的中文关键词自动抽取算法.在对50篇学术论文自动抽取关键词的实验中,采用精确匹配的评价获得了38.9%的精度和34.9%的召回率,采用近似匹配的评价获得了70.7%的精度和68.8%的召回率,能够为进一步的研究提供帮助.     

自然语言理解浅析

浅析了自然语言理解的语言信息处理技术，介绍了它的发展史，指出了基于语料库的自然语言理解方法是一个重要的研究方向。     

自动问答系统研究综述

自动问答系统是自然语言处理领域中一个非常热门的研究方向,它综合运用了多种自然语言处理技术。本文综述了国内外自动问答技术的发展现状,对系统三个主要组成部分：问题分析、信息检索和答案抽取进行了深入的分析,通过比较,得出了自动问答系统运用各类技术之间的优势与不足。在此基础上,提出了自动问答系统的发展方向。     

基于文本聚类和NLU的自动文摘研究

针对当前自动文摘方法的缺陷,提出了基于文本聚类和自然语言理解的自动文摘实现方法.将文本聚类引入自动文摘中,实现多文档的自动文摘.提出了基于标题和段首句的二次自动分词算法.实验结果表明,分词正确率和召回率均在95%以上.实现了面向塑料行业的基于文本聚类和自然语言理解的自动文摘系统,其多文档自动文摘的正确率和召回率都在75%以上.实验表明该方法可行,对自动文摘系统的设计具有借鉴意义和深入研究价值.     

基于综合的自动文摘方法研究

阐述了基于统计的机械文摘、基于意义的理解文摘、基于信息抽取的自动文摘、基于篇章结构的自动文摘四种实现方法及其基本原理,在此基础上给出了一种综合的自动文摘方法,并对这五种方法做了较为详尽的分析和比较.     

2001-2008年国内元数据自动抽取研究综述

对2001--2008年我国国内研究元数据自动抽取论文的年份和主题分布进行了分析,对Web元数据信息抽取等相关主题进行综述,力求反映我国元数据自动抽取研究的现状,并为今后的研究提供参考.     

多策略融合的搭配抽取方法

以往的词汇搭配抽取统计评价方法具有大致相同的效果,它们各有优劣,可以实现优势互补.该文提出多策略融合的搭配抽取方法. 首先,将互信息法用于衡量二元独立性,淘汰候选的无关二元组. 其次,对比χ2检验法与t检验法,发现使用χ2检验法能够更合理地反映搭配组合的同现性和期待性;然后,使用对数似然比检验法,解决其他方法无法克服的稀疏数据问题. 此外,加入构词法的启发式规则,最终形成一个多策略融合的方法.实验结果表明该方法的准确率较高,在实际应用中取得良好效果.     

提高Web信息检索精度的多步策略

Internet的普及和发展 ,使互联网中的信息量与日俱增 ,人们普遍采用搜索引擎进行各种信息检索 ,但效率及精确度偏低 .从用户的角度及检索机制上 ,比较客观地分析了目前造成这种现象的原因 ,并从多方面给出了提高信息检索精度的几种策略 .实验结果表明 ,检索效果有一定的提高     

一种基于窗口技术的中文文本自动校对方法

首先对现有的中文文本自动校对技术进行了分类研究，并在此基础上，结合二元语法模型、散串技术和校对候选矩阵方法，提出了一种基于窗口技术的校对方法。该方法先利用词间字接续方法和散串技术来定位疑错窗口，然后在疑错窗口内，依据由可信度增量构建的校对候选集对窗口内的疑错字串进行最终的定错和纠错。     

一种基于同义词的中文关键词提取方法

关键词在自然语言处理的各个领域有着十分重要的意义.对于中文自然语言处理,一词多义和多词一义问题始终是困扰研究人员的一个重大难题.传统的一些基于统计的方法,诸如KEA只是机械地统计了词频,而没有考虑词之间的关系.文中提出了一种基于同义词的中文关键词提取方法SKEA,并建立一阶隐马尔可夫模型进行词义消歧,将文本从稀疏的词空间映射到语义空间,从而实现了文本的降维.同时改进了KEA的位置权重公式,并提出新的关键词特征选取项.最后对SKEA方法和KEA方法进行比较实验,证明SKEA是一种更优秀的中文关键词提取方法.     

基于自然语言处理的信息检索

介绍了信息检索的主要技术热点,分析了实现信息检索的关键技术,并就基于自然语言处理的信息检索的实现技术进行了讨论。     

HENU汉语自动分词系统中歧义字段消除算法

先用基于词典的最大匹配法匹配出最长词和次长词,再用检测跨越的方法发现切分歧义,判断出切分歧义是交集型切分歧义还是组合型切分歧义,根据切分歧义类型的不同分别进行切分歧义的消除．交集型切分歧义的消除方法主要是混合使用基于规则的方法和基于统计的方法,组合型歧义的消除方法主要是使用基于规则的方法,找到正确的切分位置．     

基于混合策略的中文文摘自动评测方法

评测是自然语言处理技术研究与发展的一个关键部分,同时也是最有争议的一个部分。作为自然语言处理范畴的中文文摘自动评测,较之英文文摘,有着更多的难点问题。在研究当前基于内容比较策略和基于数理统计策略两类自动文摘评测方法的基础上,提出了混合这两种策略的中文文摘自动评测方法,并通过两组不同实验验证了该评测方法的正确性与实用性。     

中文问答系统的研究

介绍了有关中文问答系统的一些研究．问答系统是集知识表示、信息检索、自然语言处理技术于一体的难度很高的研究课题，本文从问题处理、检索系统、答案抽取三个方面进行了详细说明．     

基于CFN的教材内容提要信息抽取研究

文章选用教材义特征向量作为信息抽取的基础,并用神经网络方法对语料进行训练学习并自动获取模板语义特征向量,最后结合目标模板抽取出所需信息.这种方法避开语法分析,具有较细的处理粒度,对语义元素搭配形式相对规范的领域具有一定的普遍适用性.实验结果表明,基于中文框架语义的信息抽取方法具有相对较高的准确率.     

基于认知心理学模型的自动文本摘要生成技术

自动文本摘要生成(ATS)与计算机科学和认知心理学密切相关.提出了一个自动文本摘要生成系统(EI-ATS).该系统借助句法和词法分析,将认知心理学中的事件-索引(Event-indexing)模型运用到自动文本摘要生成.评价结果表明:该系统在多文件摘要生成方面表现良好,成为整合两个相异但相关领域知识的研究范例.     

基于语义的汉语文献主题词提取算法研究

为了适应信息时代的迅速发展,提高从汉语文献中自动提取主题词的准确率,给出一种基于语义理解的汉语文献主题词自动提取算法模型.该模型以中文文本为处理对象,结合领域背景,构建概念语义网络作为分词词典和知识库,用概念之间的联系和匹配取代传统的字面匹配,克服了仅局限于表面形式的缺陷;把自然语言处理从目前基于关键词层面提高到基于知识的层面,从而在概念层次上理解文献主题,突破了传统的关键词匹配的局限,在一定程度上解决了词汇差异问题.该方法能对自然语言进行某种程度的语义理解,利用领域知识来实现主题词的规范标引.实验表明,采用本方法对测试文档进行主题词提取的准确率可达到71.03%,与传统方法相比提高了近1.87倍.