动物词语的词汇研究价值

语言中存在着大量与动物有关的词语——指称动物名称的词以及以之为基础衍生出的复合词和固定结构。一方面,动物词语形象鲜明、生动活泼,大大地丰富了词汇系统;另一方面,相关新词的衍生、内部词义的发展、词与词之间的聚合关系显示了词汇的系统性。因此,动物词语有重要的词汇研究价值。     

论汉代训诂存在的主要缺陷

汉代学者训诂对词义不作考证,不注重用词特点,不顾及语法,因而常常出错误;又由于时代的局限而说错前代的事物或误释漏释汉代以前的古语词。     

基于贝斯准则和待定词集模糊矩阵的满文识别后处理

将满文单词识别系统的识别信息和满文的词组信息有机地结合起来,建立满文词组和待定词集统计信息库,利用贝叶斯准则,综合满文待定词的后验概率和词组的先验概率信息,建立合理有效便于实现的数据结构,对满文单词识别系统输出存在的拒识词和错识词进行检测和纠正,从而有效地提高满文识别系统的识别率·实验表明:后处理性能除取决于语言模型外,还取决于后概率的精确估计·另外,在单词识别系统识别率高的情况下,后处理的纠错能力会增强·     

基于人工神经网络的汉语数字语音识别系统

利用改进的有序聚类算法得到解决时间规整问题的新算法,在此基础上建立了基于人工神经网络的普通话数字语音识别系统。对基于人工神经网络的算法和基于动态时间伸缩的算法作比较识别实验,结果表明,基于人工神经网络的语音识别算法的识别性能优于传统的动态时间伸缩算法。     

CiLin Expansion and Its Application to Word Sense Disambiguation

40000 new entries are added to CiLin in knowledge engineering. Statistics are presented about the sense ambiguity of Chinese words in CiLin. An automatic solution is proposed for the problem of Chinese sense disambiguation, which utilizes the heuristics of part-of-speech tagging and Naive Bayesy classification based on a partially disambiguated corpus.     

基于散列技术的快速子串归并算法

用统计方法研究东西方语言的多词单元问题和东方语言的未登录词问题时需要删除同频子串(子串归并)．传统的子串归并算法时间复杂度为O(n^2),在大规模语料库的处理中效率低下．提出一种基于散列技术的时间复杂度为O(n^2)的子串归并算法,并用数学方法证明其与O(n^2)复杂度的算法等价,即输入相同时输出也相同．不同规模语料上的实验结果表明新算法能够大大缩短子串归并所需时间,适用于大规模语料库的处理．     

词与短语的模糊界限分析

词与短语的模糊界限表现为两种现象:某一语言形式不是典型的词或短语,出现了“中间地带”;在发展过程中,语言形式在词与短语间变化,转化期间的跨越界限是模糊的。从结构讲,词(主要是复合词)和短语的概念结构有共同之处,都有核心成分与边缘成分,但也有不同之处。可从概念的三个主要功能入手,分析词和短语在归类、推理和叠加方面的不同表现,来确定某一语言成分的属性。     

S12交换机EC7.4版用户分组

从源的分析、字冠分析、任务单元定义3个方面,阐述了S12交换机EC7.4版的用户分组问题。     

基于文献计量的中文科技新词探讨

文章以中国知网的中文学术文献数据库为基础,利用词频统计,结合时间参数,对中文科技新词做了探讨。文章认为,高被引论文的关键词包含了专业领域的重要中文科技名词。统计结果表明,大部分高被引论文为基金论文。由于基金论文在全部论文中所占比例较低,因此,不需要考虑全部新论文,只要对其中基金论文的关键词做词频统计,就有助于发现大部分重要中文科技新词。这样,既减少了工作量,也减少了盲目性。此项工作对科研工作者和术语工作者有一定帮助。     

构建单字词表识别未登录词的方法

针对目前中文分词技术主要依赖于常用词词典,而词典对未登录词识别率较低的问题,提出一种用双词典识别未登录词的方法,即构建一个常用词词典和一个单字词词典,二者相互结合进行分词,有效解决了对未登录词识别效率偏低的问题.实验表明,采用构建单字词表法对未登录词的识别准确率可达90%以上.