基于登录词邻接关系的双条件概率的领域术语抽取算法

领域词典作为中文信息处理的基础,在各个领域都有着重要的应用.而人工构建领域词典不仅工作量大,而且缺乏时效性.因此,自动构建领域词典成为目前研究的重点,而构建领域词典的关键是从领域语料中自动抽取领域术语.本文以金融领域作为切入点,提出了根据登录词前后邻接关系计算邻接词之间的双条件概率自动识别领域术语.实验证明,本文提出的算法不仅能够有效地提取新术语,同时在小语料和低词频情况下也能取得较好的效果.     

《金瓶梅词典》释义补正

王利器先生主编的《金瓶梅词典》(以下简称《金典》),对于“金学”研究的开展和辞书的编纂,无疑是值得称道的,“其筚路褴褛之功,不可没也.”然诠释《金》书,且艰且巨,“不赅不备之处,在所难免”。(引文见《金典·序言》)今谨对其释义作以补正,献管窥之见,就教方家。一、训释失当泥土基意谓不牢固。〔例〕第一回:“听知:奴是块金砖怎比泥土基!”(232页,     

英汉机器翻译系统的框架设计和实现

随着Internet的发展,人们对机器翻译或机器辅助翻译系统的需求越来越迫切,机器翻译的研究成为热点。论述了机器翻译系统的设计原则,提出了机器翻译系统的设计框架,并成功地实现了设计功能。     

《汉语大字典》书证晚出举隅

书证晚出，历史词典应该避免，同《雨雅》对照，《汉语大字典》晚出书证近2000条，短则数百年，长则千多年，本文从11种词典中列举88例，可供《汉语大字典》修改时选择入典参考，尤有49例，同《雨雅》一字不差，《汉语大字典》弃《雨雅》不同，令人不解。     

关于ontology的对话

在一次机器学习的讨论班上，老师和学生甲、学生乙就ontology的话题展开了下面的对话。笔者恰巧在场并对他们的谈话产生了兴趣，于是记录下来稍加整理以飨读者。     

音序、形序、义序:并存还是取代?--也谈词典词目编排法

按词目的编排方法分，词典可分为三大类：音序词典、形序词典和义序词典。这三类词典各有优点和缺点；它们之间的关系应该是“长期共存，互相补足”，而不是谁取代谁。以此取代彼，没有必要性，也没有可能性。     

CFL句子计数和分层词典序枚举

通过按推导树高度对句子分层,建立了句子集合中的分层词典序,进而发展出一种基于文法的,依分层词典序的,CFL句子计数和枚举方法,获得句子枚举的多个高效算法,对于无二义CFG,首先提出一个基础算法N2L,时间复杂度为O(n·lg(n)),n是被枚举句子的长度．对N2L进行改造,得到两个算法TD和BU,时间复杂度均为O(n)．对任意CFG,利用其推导树文法为工具后,文法无二义的限制被去除．对于一般的CFG,不论是否二义文法,也得到了依分层词典序的,时间复杂度为O(n)的枚举算法,同时枚举出句子及其推导树．该文的结果,从正面圆满回答了D(?)m(?)si提出的未决问题,即是否有按词典序,时间复杂度为O(n)的枚举算法?以及是否时间复杂度仅依赖于文法结构,及被枚举字之前同样长度的字的个数?本文给出的解答甚至比原问题所期望的更好．     

新词词典释义中应注意的问题

论述了新词词典释义中应注意的几个问题：概括性、标注词性、分辨引申义和比喻义。强调在分辨比喻义时应注意三种请况，并对比喻义作了认知解释。     

基于用户评论的手机产品特征挖掘研究

鉴于细粒度产品特征挖掘的重要性以及现有产品评论研究中对产品特征语义(上下位特征、同义特征)缺失的问题,根据手机产品说明书构建手机产品特征本体,再采用爬虫程序从电子商务网站获取用户评论信息,并对自然评论语言进行分词、词性标注、去重等预处理,利用Apriori算法提取相应的产品特征,结合HowNet词典,将手机产品特征本体进行语义扩展、完善,便于将来进一步准确地从用户角度对产品进行情感分析.