从中文信息处理角度看《新著国语文法》

《新著国语文法》的语法体系不仅在汉语语法教学和研究领域影响深远，而且在中文信息处理中得到有效的应用。其普遍语法观念、“句本位”语法体系、句成分语法观念、对字与词的明确区分、对动词的分类等均有助于汉语形式语法的构建。     

可应用于互联网的自学习中文关键词抽取算法

论文提出了一种自学习中文关键词抽取算法，该算法可以辅助实现互联网上的智能信息获取，从而有效解决互联网信息爆炸问题，该算法现已用于课题组开发的互联网信息智能获取工具中，实验表明该算法的查全率和查准率较高，在互联网信息智能获取中具有广阔的应用前景。     

基于语料库的数字化辞书编纂平台

由教育部语言文字应用研究所承担完成的“基于语料库的数字化辞书编纂平台研制”是国家863计划“中文信息处理基础应用研究”课题的子课题。子课题是以国家语言文字工作委员会大规模现代汉语语料库为基础，以语义计算理论为核心，以数字化典范辞书为出发点，利用语言信息处理计算机技术等，研制辞书的知识获取、自动生成、检查检测、审核评价等技术和集成化的辅助操作平台，突破传统的辞书编纂概念，建立一种新型的辞书编纂模式。     

水书字音编码研究

依据水语的语音信息,提出了与声母、韵母、音节相关的水书字音编码规则,在该规则的基础上讨论了水书字音输入过程中存在的歧义性问题,并提出了消除歧义的算法.分析了水书字音输入算法的基本思想和核心步骤,通过仿真试验验证了该方案的可靠性和有效性.     

为中文WINDOWS增加汉字输入法的通用方法

以五笔输入法为例，介绍了一种为中文ＷＩＮＤＯＷＳ增加新的汉字输入法的通用方法。通过这种方法可以将ＵＣＤＯＳ等中文系统中常用的汉字输入法，转换到中文ＷＩＮＤＯＷＳ中，从而能够充分发挥ＤＯＳ中文系统中丰富的输入法和ＷＩＮＤＯＷＳ中文字处理软件强大功能的优势。     

一种基于概率模型的分词系统

汉语自动分词是中文信息处理中的基础课题。本文首先对汉语分词的基本概念与应用，以及汉语分词的基本方法进行了概述。接着引出一种根据词的出现概率、基于极大似然原则构建的汉语自动分词的零阶马尔可夫模型，并重点剖析了EM（Expectation-Maximization）算法，最后给出了一个基于本模型的汉语文本处理仿真系统。     

基于虚词切分的藏文分词系统的设计与实现

藏文分词是藏文自然语言处理的基础。根据藏文虚词在藏文文本中的特殊作用以及虚词的兼类性、结合性、黏着变体性和还原特性,设计实现了一个基于藏语虚词切分的正向最大匹配的藏文分词系统,该系统对原始文本进行逐次扫描处理得到分词结果。实验表明,文章提出的藏文分词系统具有较高的切分精度和切分速度。     

基于语料库的数量名短语识别

数量名短语的自动识别是中文信息处理中短语识别的重要内容,对汉语深层次句法分析和语义分析将起到很重要的作用。本文对＂数.量.名＂、量词重叠的数量名短语进行自动识别,以量名搭配概率为基础,提出了基于变长后缀匹配的后退算法来发现更多的量名搭配,把召回率提高了40个百分点。我们在240万字的当代新闻小说语料上进行了识别试验和测试,结果显示,达到80%左右的调和平均值。     

中文信息处理中离合词的处理策略

离合词是现代汉语中一种特殊的语言现象。文章对动宾式和并列式离合词的扩展形式进行了细致的描写,并分析了这两类离合词的扩展形式的特点,认为动宾式和并列式离合词的扩展形式不同于典型的动宾结构,在中文信息处理系统中,应该建立离合词词库,对离合词的扩展形式做出专门的符号标注。