排序方式: 共有13条查询结果,搜索用时 169 毫秒
1.
《河南师范大学学报(自然科学版)》2016,(6):149-158
首先从中国学生英语口笔语语料库中随机抽取80篇同题作文作为研究语料,利用WordNet语义知识库,从中提取与学习者作文局部连贯相关的预测因子;然后,将其与学习者作文局部连贯人工评分相比,通过多元线性回归分析的方法创建作文局部连贯自动评价模型.性能试验结果显示,学生作文语篇局部连贯人工评分与局部连贯评价模型预测值之间的线性关系较强;与同类模型相比,预测结果更为可靠. 相似文献
2.
一种基于本体的文本聚类方法 总被引:2,自引:0,他引:2
基于本体的文本聚类方法,在文本表示上引入WordNet,并定义了关键概念集,使用WordNet中的概念节点及概念间的语义关系减少文本特征向量维数,提高聚类效果.聚类过程中,算法使用文本的关键概念集和概念特征向量计算文本相似度,利用文本的关键概念集标注聚簇为聚类结果中的各个簇提供解释.实验结果表明,该方法有效地减少了文本特征向量的维数,提高了文本聚类效果以及聚类结果的可解释性. 相似文献
3.
语义词典是人工智能、语义网与知识工程等研究领域的热点,它可以支持机器学习、自然语义理解、数据挖掘及机器翻译等技术。文章在藏语独特的文法理论研究基础上,利用对比英文和藏文词之间的语义关系、构建双语大型数据库和制定映射过程中词汇空缺等方法,构建了基于半自动匹配的藏文语义词典。本语义词典既兼容了国际通用的英文WordNet,又保留了藏语的特点,为藏文信息处理提供了重要的数据资源。 相似文献
4.
中文WordNet的研究及实现 总被引:4,自引:0,他引:4
提出了一种从英文WordNet转换生成中文WordNet的方法 ,并设计实现了中文WordNet的转换生成系统·论述了在构造中文WordNet的语义网络时 ,概念结点的转换原则 ,中文词形与词义映射关系的重新聚合 ,以及转换生成中文WordNet的可行性及转换中的相关问题 ,并给出了一种依据WordNet进行节点转换自消岐的方法 相似文献
5.
6.
针对传统信息量计算方法中仅考虑WordNet内的上下位关系,而未考虑部分整体关系问题,提出一种基于扩展关系的信息量计算方法,并验证了该方法的优越性.应用该方法能改进词语或概念的语义相似度计算结果. 相似文献
7.
基于概念共现图的多文档自动摘要研究 总被引:1,自引:0,他引:1
以概念统计为基础,以WordNet为语义资源进行语义消歧和概念归并,提出了一种概念共现图模型并把它应用于多文档自动文摘.该模型利用概念间的共现信息构造概念共现图,抽取多文档集合的主题概念,再根据主题概念构建向量空间模型并计算句子的重要性.由于对概念进行了良好的归纳,该模型能够挖掘蕴涵在文档集中的深层次主题.在DUC2005数据集上评测的结果表明,该方法取得的效果令人满意,可用于实际的应用. 相似文献
8.
IntroductionNowadays ,there are a large number of heterogeneousknowledge sources in an enterprise or a VirtualManufacturing Organization( VMO) . For example ,expertsystems , data warehouse , books , manuals , standards ,experts , and so on. Heterogeneity in knowledge sourcesare due to[1 4]:(1) Some are represented explicitly (eg.expert systems) ,some are represented i mplicitly as schemas of database ordata warehouse , while some are stored in experts brains .Implicitly represented knowledg… 相似文献
9.
针对一词多义现象, 提出一种基于上下文规则的词义消歧算法(CR-WSD), 该算法以定义消歧规则的方式确定多义词在文本中的具体含义, 利用WordNet中知识结构和上下文关系进行语义选择, 完成词义消歧. 用Senseval 3中的全文作为测试集, 实验结果表明该算法能有效地实现词义消歧. 相似文献
10.
现代汉语词汇语义网模型设计 总被引:1,自引:0,他引:1
舒鑫柱 《山西大学学报(自然科学版)》2005,28(4):361-364
在深刻剖析WordNet、HowNet的基础上,针对汉语的特点提出以“字义基元化,词义组合化”为基本观点来研究汉语词汇语义网,并建造了一个汉语词汇语义网模型. 相似文献