靖西壮语～普通话中介语的语序、句式和句类特点——靖西壮语～普通话中介语语法特征之二

母语为靖西壮语的人在学习使用普通话的过程中会形成“靖西壮语～普通话中介语”,其语序、句式和句类的运用既有普通话特点又有靖西壮语特点。     

基于规则、串频统计和上下文关系的现代汉语分词系统的实现

介绍了一种集合了规则、串频统计和中文上下文关系分析的现代汉语分词系统.系统对原文进行三次扫描,首先将原文读入内存,利用规则将原文变成若干个串,构成语段十字链表;然后对每个串中的子串在上下文中重复出现的次数进行统计,把根据统计结果分析出的最有可能是词的子串作为临时词;最后利用中文语法的上下文关系并结合词典对原文进行分词处理.系统对未登录词的分词有很好的效果.     

《现代汉语词典》收录的物色词浅论

物色词是用某些表示物质的名词素＋色彩词素所构成的一种色彩素,是色彩词中的一个小类。文章以《现代汉语词典》收录的87个物色词为考察对象,从语音、语法和语义等方面来考察,初步概括了这类词的基本特征：从话音特征看,物色词中双音节词占绝对优势;从语法特征看,不同的物色词素与相同的色彩词素相结合是物色词的最显著特点;从语义特征看,物色词的意义在特定的语境中被扩大,去表达或传递语用意义或交际意义,并阐述了物色词的文化特征。     

基于文本语义和表情倾向的微博情感分析方法

针对基于机器学习的中文微博情感分析方法存在处理过程复杂、判断准确率低等问题,该文提出了一种新的情感分析方法。将微博爬虫和Web应用程序编程接口(API)相结合,对动态微博数据进行收集和预处理。基于NTUSD和How Net中文情感词典的微博情感词的抽取和分类,计算词语语义相似度和倾向性。综合考虑表情、文本情感倾向的加权和正面情感增强等因素。实验结果表明:表情情感倾向对微博情感倾向起着重要作用;在表情和文本情感倾向比值固定的情况下,调整因素和中性区间的选择会对情感倾向判断准确率产生影响;通过与基于How Net语义相似度的计算模型比较,该文方法使得情感倾向判断准确率提高约5%。     

A 14.5Gb/s word alignment circuit in 0.18μm CMOS technology for high-speed SerDes

This paper presents a word alignment circuit for high speed SerDes system.By using pipeline structure and circuit optimization techniques,the speed of the aligner is increased,and its performance is improved further through adopting the full custom design method.The proposed word aligner has fabricated in 0.18μm CMOS technology with total area of 1.075 ×0.775mm~2￣ including I/O pad.Measurement results show that this circuit achieves the maximum data rate of 14.5Gb/s,while consuming a total power of 34.9mW from a 1.8V supply.     

专利检索新策略——关键词与分类号相结合

在专利检索中较多使用的是关键词检索和分类号检索,但这两种检索策略在专利检索中各有优缺点。采用案例分析的方法,探讨了专利检索中新的检索方法——分类号与关键词相结合的检索方法,以此优化专利检索策略,达到较为理想的检索效果。关键词:专利检索;检索策略;关键词;分类号     

理论力学试题库的设计与实现

阐述了试题库管理系统中的试题选择原则,试题的约束条件,组卷算法及策略;介绍了所设计的理论试题库管理系统的主要功能,采用计算机提供的随机函数结合自动组卷思路确定试题库结构。两年来的实践表明,系统具有较高的效率和实用性。     

英文岐义的利与弊

岐义是每种语言中都常见的现象,英语也不例外。其类型有音位岐义、词汇岐义、语法/句法岐义、语用岐义及语言变体岐义等等。在实际生活中,岐义有利又有弊:利在它可以丰富人们的表达,起到幽默、委婉、讥讽等绝妙效果;弊在它会引起误解、闹出笑话、甚至会严重到引起国际争端的地步。因此,如何消除岐义、变弊为利是大家所关心的。本文从调整语序、明确修饰限定范围、增添上下文等七个方面阐述了消除岐义的常见方法。     

基于多层次句子相似度与向量空间模型的词义消歧

介绍和对比了20世纪50年代以来出现的各种主要词义消歧的方法,论述了这些方法取得的成效和存在的局限,着重讨论了基于向量空间模型的消歧方法.在此基础上,通过分析和计算,提出了一种将多层次句子相似度计算应用于向量空间模型的新方法,从而提高机器翻译中的词义消歧的准确度.     

基于跨度回归的中文事件触发词抽取

在中文事件触发词抽取任务中,基于词的模型会受到分词带来的错误,而基于字符的模型则难以捕获触发词的结构信息和上下文语义信息,为此提出了一种基于跨度回归的触发词抽取方法。该方法考虑到句子中特定长度的字符子序列（跨度）可能构成一个事件触发词,用基于Transformer的双向编码器的预训练语言模型获取句子的特征表示,进而生成触发词候选跨度;然后用一个分类器过滤低置信度的候选跨度,通过回归调整候选跨度的边界来准确定位触发词;最后对调整后的候选跨度进行分类得到抽取结果。在ACE2005中文数据集上的实验结果表明：基于跨度回归的方法对触发词识别任务的F1值为73.20%,对触发词分类任务的F1值为71.60%,优于现有模型;并与仅基于跨度的方法进行对比,验证了对跨度边界进行回归调整可以提高事件触发词检测的准确性。