汉字识别中声旁与整字语音激活的相对优势

以声旁位于右半边且独立成字的汉语左右结构合体字为材料 ,操纵汉字的规则性和命名作业的类型 ,利用命名整字和命名声旁两种命名作业中的规则性效应 ,分别测量声旁语音对整字语音激活的干扰和整字语音对声旁语音激活的干扰 ,在此基础上考察了整字与声旁语音不一致时 ,两种语音相互竞争和干扰的情况。结果发现 :(1)高频字整字语音干扰声旁语音激活 ,但声旁语音并不干扰整字语音激活 ;(2 )低频字整字语音干扰声旁语音激活 ,声旁语音也干扰整字语音激活 ,其中整字语音对声旁语音激活的干扰更明显。这些发现表明 ,高频字整字语音的获得明显快于声旁语音的获得 ,低频字整字语音和声旁语音尽管可能是同时获得的 ,但是 ,整字语音的激活水平要高于声旁语音的激活水平。     

论餐饮命名文化

餐饮企业在生产菜品、酒水等物质产品的同时还为客人提供文化大餐,在满足客人物质需要的同时,还满足了客人精神和心理需要。餐饮的灵魂是文化,文化是餐饮企业的竞争力和生命力所在。本文分析了餐饮命名的文化性,论述了餐厅、厅房和菜品的命名的意义,命名时应遵循的原则,并从文化的角度对餐厅、厅房和菜品名称进行了设计,指出餐饮命名时应注意的问题。     

基于双语对齐的汉语–新蒙古文命名实体翻译

汉语–新蒙古文命名实体翻译在跨汉语–新蒙古文信息处理中具有重要意义,而直接使用机器翻译的方法不能达到满意的结果。针对上述问题,提出一种从汉语–新蒙古文平行语料中自动抽取汉语–新蒙古文命名实体翻译对的方法。该方法只需对汉语端进行命名实体标注;然后基于双语HMM词对齐结果,利用滑动窗口的方法抽取所有候选命名实体翻译对;最后基于融合5种特征的最大熵模型,对所有候选翻译单位进行过滤,选取与汉语端命名实体相对应的置信度最高的新蒙古文命名实体翻译单位。实验结果表明,该方法优于基于HMM的方法,在对齐模型只是部分准确的情况下,也获得较高准确率的汉语–新蒙古文命名实体翻译对。     

多模态语义协同交互的图文联合命名实体识别方法

针对现有多模态命名实体识别(Multimodal Named Entity Recognition, MNER)研究中存在的噪声影响和图文语义融合不足问题,本文提出一个多模态语义协同交互的图文联合命名实体识别(Image-Text Joint Named Entity Recognition, ITJNER)模型。ITJNER模型加入图像描述作为额外特征丰富了多模态特征表示,图像描述可以帮助过滤掉从图像特征中引入的噪声并以文本形式总结图像语义信息;还构建了多模态协同交互的多模态语义融合模型,可以加强多模态信息融合,并减少图像信息的语义偏差。在Twitter-2015和Twitter-2017数据集上进行方法实验,分析实验结果并与AdaCAN、UMT、UMGF、Object-AGBAN等方法进行对比。相较于对比方法中的最优方法UMGF,本方法在Twitter-2017数据集上的准确率、召回率、F1值分别提高了0.67%、2.26%、0.93%;在Twitter-2015数据集上,召回率提高了0.19%。实验结果验证了本方法的有效性。     

辐射环境领域XML Schema建模

从我国辐射环境领域数据管理的需要出发,参考国际上相关领域的最新进展,将XML Schema技术应用于辐射环境领域数据模型的创建,并应用于实际的核辐射数据库管理系统中.     

无线传感器网络节点命名算法的研究

针对无线传感器网络节点的命名问题,在分析出现同名现象的数学原理基础上,提出一种以概率理论为基础的命名算法.得出任意两个节点名字相同概率在极小的条件下,网络节点数和名字空间大小两者间的函数关系.并在此基础上,给出当两个无线传感器网络合并时,是否需要对新网络的节点进行重新命名的判别公式.算法的实现满足分布性和高效节能的要求.仿真试验表明,该算法是行之有效的.     

针对命名实体识别的数据增强技术

近年来,深度学习方法被广泛地应用于命名实体识别任务中,并取得了良好的效果.但是主流的命名实体识别都是基于序列标注的方法,这类方法依赖于足够的高质量标注语料.然而序列数据的标注成本高昂,导致命名实体识别训练集规模往往较小,这严重地限制了命名实体识别模型的最终性能.为了在不增加人工成本的前提下扩大命名实体识别的训练集规模,本文分别提出了基于EDA(Easy Data Augmentation)、基于远程监督、基于Bootstrap(自展法)的命名实体识别数据增强技术.通过在本文给出的FIND-2019数据集上进行的实验表明,这几种数据增强技术及其它们的组合能够低成本地增加训练集的规模,从而显著地提升命名实体识别模型的性能.     

基于NER的石油非结构化信息抽取研究

随着"智能油田"的建设加快,构建基于海量石油数据的智能分析系统意义重大。然而,由于石油生产过程中产生的文本数据往往无结构且类型多样,从中抽取关键信息进行分析成为一个研究热点,而信息抽取又需要高质量的语义实体做支撑。根据这一特定问题,提出基于命名实体识别（Named Entity Recognition,NER）技术针对石油非结构化文本进行信息抽取,构建双向长短时记忆（Bidirectional Long Short-Term Memory,Bi LSTM）网络模型提取语料特征,并结合条件随机场（Conditional Random Field,CRF）做分类器,构建了基于Bi LSTM+CRF的高精度NER模型,针对石油工业领域的非结构化文本进行命名实体抽取。通过在修井作业文本数据集上进行对比实验表明,本方法具有较高的精确率和召回率。     

光学辐射计量术语规范化的进展

对辞书术语的定义格式作了查证,并通过与教材中的术语定义的对比,探讨两种定义格式的特点。根据参与术语翻译和标准评审的点滴积累与正反体验,将翻译定名中的常见问题尝试概括为十种。每种问题都举出实例,从逻辑、语法与格式三方面加以分析。文中举例虽取自信息技术和对定义的翻译,但所概括的定义的特点和常见问题适用于科学技术其他学科,适用于自行撰写定义。     

烷烃系统命名方法的教学改进

选用三个典型例子,简化烷烃系统命名法的教学过程,以便于学生掌握。