隐马尔可夫模型在自然语言处理中的应用

隐马尔可夫模型是序列数据处理和统计学习的一种重要概率模型,最近几年已经被成功应用到许多关于自然语言处理的任务中.简要介绍了隐马尔可夫模型,对其在词性标注应用中的难点、模型的建立,Viterbi算法等问题进行了详细论述,给出了基于隐马尔可夫模型的中文科研论文头部信息抽取过程以及模型结构的学习和参数的训练等关键问题的解决办法.     

User’s Relevance of PIR System Based on Cloud Models

A new method to evaluate fuzzily user＇s relevance on the basis of cloud models has been proposed. All factors of personalized information retrieval system are taken into account in this method. So using this method for personalized information retrieval （PIR） system can efficiently judge multi-value relevance, such as quite relevant, comparatively relevant, commonly relevant, basically relevant and completely non-relevant, and realize a kind of transform of qualitative concepts and quantity and improve accuracy of relevance judgements in PIR system. Experimental data showed that the method is practical and valid. Evaluation results are more accurate and approach to the fact better.     

基于神经元网络的问句组块分析

问句分析是自动问答系统研究中的重点和难点。在中文问句的结构特点基础上,结合机器学习及组块分析理论,对问句进行组块分析,实现了基于神经网络的问句组块识别算法,并应用于银行领域自动问答系统中。测试结果表明,对问句组块的识别能够达到比较满意的效果。     

基于隐马尔可夫模型的中文文本事件信息抽取

提出了一种基于隐马尔可夫模型的中文文本事件抽取方法,该方法首先通过触发词探测从文本中发现特定的候选事件语句,然后利用隐马尔可夫模型从这些语句中抽取每个候选事件的事件要素,为每一类事件要素构建一个独立的隐马尔可夫模型用于该类事件要素的抽取,构建模型的关键是模型结构的学习和参数估计。实验结果表明,该方法能较好地实现中文文本事件抽取,较其他方法有更好的抽取性能。     

受限领域自然语言数据库查询接口研究

数据库查询是通过SQL实现的，而作为非专业用户是很难掌握SQL，为了实现自然语言数据库查询以改善人机交互的容易程度，必须实现将自然语言问句转换成数据库查询语言(SQL)以实现数据库查询．介绍了实现自然语言数据库查询接口总体结构，并以房产领域为例，详细介绍了自然语言问句分析、问句形式化分析、中介查询语言的生成及SQL的转换算法等实现过程，实验测试证明：提出的查询接口在受限领域内具有较好的处理效果．     

基于统计的中文姓名识别方法研究

该文在大规模标注语料的基础上统计分析了中文姓名前置词频率、中文姓氏用字频率、中文名字用字频率、中文姓名后置词频率。利用这些统计数据在词语粗分的基础上实现了中文姓名的自动识别,实验测试结果:准确率93.82%、召回率89.37%。     

受限领域中文文本主题标引系统研究

文中介绍了受限领域中文文本主题标引系统的设计原理。该系统基于领域知识库进行主题特征识别，根据知识库中概念间的关系进行特征项权重的计算。实现了基于词汇分析技术和基于领域知识计算相结合的方式下，受限领域中文文本内容主题概念的识别。实验结果显示，主题识别平均正确率为79％。     

字标注汉语词法分析中上文和下文孰重孰轻

汉语词法分析是中文信息处理的基础,现阶段汉语词法分析的主流技术是基于统计的方法,这类方法的本质 都是把词法分析过程看作序列数据标注问题。上下文是统计方法中获取语言知识和解决自然语言处理中多种实际应 用问题必须依靠的资源和基础。汉语词法分析时需要从上下文获取相关的语言知识,但上文和下文是否同样重要呢? 为克服仅凭主观经验给出猜测结果的不足,对基于字标注汉语词法分析的分词、词性标注、命名实体识别这3项子任 务进行了深入研究,对比了上文和下文对各个任务性能的影响;在国际汉语语言处理评测13akcof f多种语料上进行了 封闭测试,采用分别表征上文和下文的特征模板集进行了对比实验。结果表明,在字标注框架下,下文对汉语词法分 析性能的贡献比上文的贡献高出6个百分点以上。     

领域词汇自动获取的研究

领域知识获取一直是文本处理中的关键技术。文中提出了一种基于大规模语料通过机器学习自动获取领域词汇的方法。这种方法独立于特定的领域,具有较好的移植性。文中扼要介绍了相关背景,详细阐述了该方法的实现,选取了两个领域的语料进行了实验,并对实验的结果进行了分析。     

ALICE机理分析与应用研究

详细介绍了人工智能聊天机器人ALICE的知识组织结构和内部推理机制，指出它在中文处理方面存在的缺陷。在此基础之上，从分词与词性标注、同义句处理和AIML知识库的建设等多个方面探讨了ALICE在中文处理方面所面临的问题，并提出了相应的解决方法。