基于规则的中文人名识别与抽取关键技术研究

新兴媒体时代的发展使大量的信息涌入了我们的视线和大脑,广大网名用户在面对网上的信息时需要找寻符合自己的资料,在这种情况下,信息抽取发展起来了。国内的信息抽取技术起步时间较短,又由于中文信息的复杂性,所以在中文信息抽取领域,此技术还不是特别的成熟。在本文中,作者对基于规则的中文人名抽取技术进行了初步探索和研究。     

国内外知识抽取系统解析

介绍了目前最流行的知识抽取方法,分析比较了Amilcare、TEXTRUNNER、Pythor、MnM、Text2Onto、SELKAS等知识抽取系统。     

计算语言学中的重要术语——词向量

过去几年,自然语言处理(NLP)技术飞速发展,文本表征成了计算语言学的核心。其中,分布式词向量表征在语义表达方面展现出巨大的潜力与应用效果。文章从语言学理论基础出发,介绍了计算语言学的重要术语——词向量。探讨了词向量的两种表示方式:离散式与分布式;介绍了词向量在语义变迁等历时语言学领域的应用。在此基础上,指出词向量语义计算法存在的局限性,并总结了两种词义消歧方法:无监督与基于知识库。最后,文章提出大规模知识库与词向量的结合可能是未来文本表征研究的重要方向之一。     

基于不一致的汉语句法树库潜在错误查找

语料库是自然语言处理NLP（natural language processing）的基础,其标注质量影响着基于有指导机器学习方法的NLP系统的性能。针对汉语句法树库,提出了一种基于不一致查找树库潜在标注错误的方法,该方法主要从两方面进行不一致检测：一是从类似短语内部构成并结合可疑度来检测不一致;二是从标注大纲入手,检测词性、短语等各类标记符号与大纲定义不符合的情况。实验结果表明,在查找到的不一致现象中,存在一定数量的语料库标注错误。     

小 i“云”上的智能机器人

如今,人力成本不断高涨,企业都在寻求客服转型,而这种转型不仅是沟通渠道的变化,更是沟通关系的变化。要提供高质量的服务和提升用户体验,只能靠服务转型和技术升级。小i机器人的云服务平台拥有领先的中文自然语言智能对话引擎,这种基于上下文和语义推理的自然语言处理系统,平均响应时间小于0.1秒,在各行业、多渠道实现"能听会说、有问必答、自然交互"。     

基于自然语言处理的旅游景区智能讲解系统研究

智慧旅游建设的目的是要用新一代信息技术提升旅游服务水平和改善游客旅游体验。针对现有的旅游景区电子讲解系统缺乏自然语言互动交流能力的问题,研究一种基于自然语言处理和本体知识检索技术的旅游景区智能讲解系统,以便旅游景区能为游客提供自然语音对话式的个性化智能讲解服务。笔者设计了系统的物理架构和逻辑架构,然后分析实现文本向量化处理、命名实体识别、对话策略管理和讲解知识检索等关键技术,最后通过开发、测试系统原型,验证了系统的可行性。     

A Modular Incremental Model for English Full Parsing

In this paper, we present a modular incremental statistical model for English full parsing.Unlike other full parsing approaches in which the analysis of the sentence is a uniform process,our model separates the full parsing into shallow parsing and sentence skeleton parsing. In shallow parsing, we finish POS tagging, Base NP identification, prepositional phrase attachment and sub-ordinate clause identification. In skeleton parsing, we use a layered feature-oriented statistical method. Modularity possesses the advantage of solving different problems in parsing with corre-sponding mechanisms. Feature-oriented rule is able to express the complex lingual phenomena at the key point if needed. Evaluated on Penn Treebank corpus, we obtained 89.2 % precision and 89.8% recall.     

基于关键 $n$-grams 和门控循环神经网络的文本分类模型

提出一种基于关键 $n$-grams 和门控循环神经网络的文本分类模型. 模型采用更为简单高效的池化层替代传统的卷积层来提取关键的 $n$-grams 作为重要语义特征, 同时构建双向门控循环单元(gated recurrent unit, GRU)获取输入文本的全局依赖特征, 最后将两种特征的融合模型应用于文本分类任务. 在多个公开数据集上评估模型的质量, 包括情感分类和主题分类. 与传统模型的实验对比结果表明: 所提出的文本分类模型可有效改进文本分类的性能, 在语料库 20newsgroup 上准确率提高约 1.95%, 在语料库 Rotton Tomatoes 上准确率提高约 1.55%.     

面向专题的智能化中文搜索引擎

讨论了智能专题搜索引擎的相关设计和实现,通过信息搜索技术、自然语言理解技术、语义网络技术以及数据挖掘技术的引入,改进了传统搜索引擎的搜索结构,进而采用这些技术实现了一个专题搜索的实例。