基于预训练模型和图神经网络的藏文文本分类研究

在少数民族语言信息处理领域，由于文本分类标注数据的稀缺，相关研究工作进展缓慢.为了充分利用有限的标注数据，更有效地挖掘出文本之间的关系，本文对藏文提出一种基于预训练模型和图卷积神经网络的长文本分类方法CINO-GCN.首先利用在实验数据集上经过微调的少数民族多语言预训练模型(Chinese Minority Pretrained Language Model, CINO)得到藏文长文本的初始文档向量和藏文音节向量.然后根据整个数据集范围的音节共现关系与音节和文档间的TF-IDF值来对藏文文本图进行建模.最后将文本图和结点特征一同输入至图卷积神经网络(graph convolutional networks, GCN)层，得到的文档表示经过Softmax得到分类结果.将该方法在公开的TNCC藏文新闻文本分类数据集上与当前几种主流的深度学习模型进行了多组对比实验，分类准确率达到73.51%,远优于其他基线模型；同时设计了消融实验验证模型各部分对分类结果的增益.实验结果表明，该文提出的模型能够结合预训练词向量和图神经网络的优势，显著提高藏文文本分类的准确率.     

基于语境信息的中文分词交叉歧义处理方法

模拟人浏览句子按照语境寻找消歧证据的经验,计算歧义字段与其所在句子的语义相似度和相关度,据此作为语境计算模型,利用歧义字段与其所在句子的语境信息进行中文分词交叉歧义处理;与经典的基于统计方法相比,切分准确率有很大提高。     

古藏文文献中的Khrom（■）字新解

关于古藏文khrom字的内涵,学界已有丰富的研究成果，但介于有新材料的发现，该词汇有进一步探讨的必要。文章借助《吐蕃兵律》对该词汇做了详细解读，认为该词最原始的含义为“军营”“行军营”。随着吐蕃社会发展，军事活动日益展开，该词的外延不断扩大，尤其在统治敦煌及其后一段时期内，随着与当地人及其他民族间密切的交往交流，使得khrom在这段历史时期内最终演变为“在军事占领区具有行政权和军事权的一级军政合一的统治机构”。