藏文的信息熵与输入法键盘设计

在研究和分析藏文拼写文法的基础上,对计算机藏文快速输入法键盘键位布局进行形式化描述,推导计算机藏文键盘键位布局规则及方法。综合考虑藏文字符的字频统计结果、计算机藏文键盘键位布局规则、德沃拉克键盘键位击键方便指数以及为了便于记忆加以考虑的藏文字母与英文字母发音上的近似性,设计一种能够实现藏文无重码快速输入的键盘键位布局。最后,计算输入一个藏文字的平均击键数,验证所设计的键盘键位布局比现有的输入法键盘键位布局更具科学性。     

一种改进逐字二分中文分词词典设计

在研究了多种分词词典机制的基础上,提出一种改进的词典机制在传统的首字哈希表中增加拼音首字母和次字哈希标志项,在首字哈希表中查询次字的拼音首字母,根据双字以上词的数量决定是否按次字拼音首字母散列到次字首字母哈希表中,以此决定次字的查询方式在兼顾空间复杂度的同时,缩小次字查询范围能较大幅度地提升高频词的次字的整体查询效率第3字及其后的字串的匹配仍然采用目前成熟的词典机制通过实验测试,该机制在增加少量的存储空间情况下,时间效率可提升26%     

基于网页正文主题和摘要的网页去重算法

针对元搜索返回的网页内容相同,别名差异很大的重复网页,提出基于网页正文主题和摘要的网页去重算法,并通过实验对算法进行有效性验证。该算法首先对各成员搜索引擎返回来的网页标题进行有关处理,提取出网页的主题信息,然后对摘要进行分词,再计算摘要的相似度,二者结合能更好地现出文章摘要的内容,实现网页去重。该算法有效,并且比基于传统特征码的算法有明显的优势,更接近人工统计结果。     

藏文文本自动校对系统开发研究

文本自动校对在自然语言处理领域中有着广阔的应用前景.文章通过比较分析国内外文本自动校对系统的发展现状,提出了设计现代藏文文本自动校对系统的两种方案,并就第二种方案研究了现代藏文文本自动校对系统的结构和功能设计.     

中文分词技术在搜索引擎中的探讨

本文通过深入探讨中文分词技术在搜索引擎中的算法描述,并详细介绍机器不断地学习新词、动态地雏护词典的模型,尝试解决最棘手的处理新词问题,使其更好地为分词提供更智能描述特别是对新词。     

不定式、动名词及分词的用法比较

<正> 不定式、动名词及分词一直是英语教学中的重点。三者各有其特点,而在具体运用中却容易混淆,出现错误。下面仅就三者在具体应用时的不同用法作以比较。 1、动名词和名词化动名词的比较 二者形式相同,但动名词有动词时态和语态变化,可有宾语和状语,没有复数,前面也不可用冠词。名词化的动名词,有单复数形式,前面可用冠词。比     

敦煌出土藏汉雇用契约文书比较研究

契约是社会经济发展的必然产物,也最能反映社会经济的实际状况和发展水平。敦煌西域出土的古藏文文献中有着丰富的契约文书,根据学界的收集整理和分析研究,其中也包括数十篇雇用契约。这些雇用契约反映了当时的社会经济活动状况,以及社会经济活动中发生的劳务输出和交换关系等。文章以敦煌出土的一份比较完整的古藏文雇用契约为例,在考证和释读这份契约文书内容的同时,分析和研究其行文格式和习惯用语等,并对照同时期的汉文契约文书,分析和研究汉藏契约文书相互借鉴、相互影响的实际状况,进而揭示汉藏文化交往、交流、交融的历史脉络。     

独立分词结构与无依附分词结构

本文从比较角度分析英语分词结构、独立分词结构与无依附分词结构的构成、句法功能及区别;指出英语中可接受的无依附结构和不可接受的无依附结构及使用时应注意的问题     

汉语分词中一种逐词匹配算法的研究

提出了一种改进的运词匹配算法．该算法通过对非歧义字段切分,对人名地名进行判别,以及对伪歧义字段进行处理,使交集型歧义字段切分正确率有了大幅度提高．在5万汉字语料开放测试中,交集型歧义字鼹切分正确率可达98％以上．