英汉学习词典编纂中的规定主义与描写主义

在英语单语词典、英汉双语词典的编纂中,一直存在着是以规定主义原则还是描写主义原则为指导的问题。在从17世纪初至今的大约四百年中,英语单语词典编纂经历了由规定主义到描写主义的大转变。20世纪一、二十年代才起步的我国的英汉词典（特别是英汉学习词典）编纂则经历了由规定主义到规定主义与描写主义相结合的转变。事实表明：就英汉学习词典编纂而言,纯粹的描写主义是不适宜的,是弊大于利的,甚至是不可行的：而规定与描写相结合的做法则是适宜而且可行的。     

谈双语科技词典中外语术语的注音问题

当前中国术语学建设取得较大进展,但还应加强。特别是要进行以下几个方面的工作:1.加强术语学研究与术语实践工作的联系;2.加快国外经典著作的引进;3.在术语学研究中进一步发挥语言学家的作用;4.提倡厚积薄发;5.加快术语学专业人才培养。     

基于伪标注样本融合的领域分词方法

目前常用的神经网络分词模型,均需要大量的标注语料才可得到较好的泛化效果,但在面对领域标注语料稀缺的场景时,不能很好的适应。为解决这一问题,该文提出了一种基于伪标注样本融合的领域分词方法。该方法从领域专业辞典、电商及百科网站等数据源收集相关词汇组成领域词典,并从中随机抽取词汇生成伪标注样本。将伪标注样本与通用语料融合为训练样本,即将领域词典信息融合至模型训练当中。网络模型方面,该方法选用双向门限循环神经网络(Bidirectional Gate Recurrent Unit,BiGRU)作为主网络层,联合一维卷积(One-dimensional convolutional neural network,Conv1D)获取更多局部上下文信息,最终由条件随机场(Conditional random field,CRF)解码输出。通过实验证明,该文的方法可以有效提高模型的领域分词性能,与未使用伪样本的模型相比可提升F1值约6.67%。     

基于专业搜索引擎的元搜索引擎的设计

介绍了一个基于专业搜索引擎的元搜索引擎,提出将专业搜索引擎与专门搜索“Invisible Web”检索工具相结合的方法.在对检索结果进行融合处理时,采用建立专业词典的方法来提取主题,并进行主题的分类.同时,通过记录用户感兴趣的主题,为用户提供个性化服务.     

《现代汉语词典》古词语释义中的括注及始见书括注的不足

《现代汉语词典》（第5版）中的括注是释义的一部分,其准确性是词语释义准确性的保证。在我们总结的几类括注中,《现代汉语词典》皆存在一些错误的地方,本文着重就括注始见书的错误进行了分析,并提出了修改意见。     

有关异形词整理的几个问题

在严格界定异形词定义的内涵与外延之后,对“国标”关于整理异形词的主要原则进行了调整、修订;并通过2版、3版、5版《现代汉语词典》对异形词标注方式的沿革变化分析,肯定了5版词典的亮点与创新,同时指出当前异形词整理工作中存在的几个突出问题。据此提出继续加强对异形词整理规范理论的研究,完善规范原则,促进规范服务与行政管理相结合等建议。     

认知语言学理论对词典释义的阐释力

运用认知语言学中的意象图式、范畴化、原型理论、空间结构等理论,分析和阐释认知语言学理论对词典释义的意义和启示。从认知语言学的视角分析,词典释义机制是人类认知心理机制的一部分,是人类心智活动的产物。认知科学在词典释义中的应用,使语义的分解和表述更能够反映人们言语活动的心理表征和自然语感。     

基于语义分析的互联网产品评论挖掘

从语义分析角度出发,对产品评论文本进行情感倾向分析研究。首先在现有的情感词典的基础上整理并构建一个面向产品评论的情感词典;然后以句子为单位对评论文本进行语句分割,根据词频统计提取产品的主要特征词,并构建特征关联词词库,针对不同的特征分别进行情感倾向分析;最后对所有评论文本作加权计算获得其总体情感倾向。实验结果表明,基于语义分析的产品评论挖掘方法具有较好的情感分析效果。     

基于自然语言网络教学答疑中无词典分词算法的研究

提出了一种面向网络答疑系统的无词典分词方法.该方法用统计的手段从大规模未进行任何切分的领域语料中获取算法所需的参数,并结合一定的规则进行分词.该算法具有自学习的能力,适应性强,只要改变训练所用的语料,就能切分出不同领域的词.实验结果表明,该分词方法有较高的召回率和精度.     

基于MFI4OR标准的本体融合模型研究

本体融合已经成为学科领域知识图谱的重建和知识共享的重要途径,为解决本体融合领域缺乏标准融合框架问题,提出一种基于国际标准MFI4OR的本体融合模型.该模型提供一个标准的本体信息划分标准,即本体-本体构件-本体原子构件,实现对本体信息的管理和映射.在融合计算过程中,选择编辑距离算法并引入外部资源WordNet词典进行相似度计算.最后,以省级基金项目中的学习者模型构建需求为应用背景,将FOAF(Friend-Of-A-Friend)本体和RELATIONSHIP本体进行融合试验.结果 表明,该标准化融合模型能实现通用本体融合.