基于局部优先的汉语句法分析方法*

提出了一种利用局部优先信息对汉语分析算法进行优化的新方法,通过利用从语料库中自动获取的结构优先关系数据作为优先判断依据.此方法使目前的汉语概率分析器的整体效率提高了近30%,显示了很好的应用前景.     

面向中文网络对话文本的论辩挖掘——基于微调与提示学习的大模型算法

随着互联网技术的飞速发展,即时通信、在线论坛等应用广泛普及,网络上产生了了大量非结构化或半结构化的网络对话论辩文本,对这些文本进行论辩挖掘研究具有重要的学术价值与现实意义。该文首先构建了中文网络对话论辩语料库,以子句作为标注的粒度;然后,基于此语料库使用预训练语言模型微调和提示方法分别进行论辩元素及其关系的识别,分别使用了目前受到广泛认可的BERT、XLNet、RoBERTa及其衍生的预训练语言模型,通过预训练微调的方式进行实验。在GPT、BERT、RoBERTa预训练模型上进行提示学习,通过P-tuning自动构建连续模板,进行论辩挖掘。实验结果显示,提示学习用于论辩挖掘任务是可行的,且准确率与现今取得很好效果的预训练微调方法相近,有时准确率甚至更高,同时在小样本或零样本数据集上有着更好的效果。实验还显示GPT与Prompt结合可以较好地完成论辩关系识别任务。     

NMT语料库中语符不平衡度的测评研究

语符不平衡是神经机器翻译（Neural Machine Translation,NMT）语料库中普遍存在的现象.评估NMT语料库的语符不平衡度对提升语料库质量和翻译效果具有重要意义.针对现有的语符不平衡度测评研究在算法和分词范围上的缺陷与不足，本文提出语符分布离散度算法（Dispersion of Token Distribution,DTD），用以计算语符不平衡度，并扩大分词范围，从字符、子词和词3种粒度对语料库进行评估.实验结果表明，该算法在准确度、有效性和鲁棒性方面较以往研究有较大提升；语料库在不同分词粒度下的语符不平衡度差异很大，其中字符粒度的语符不平衡度最大，子词粒度次之，词粒度最小.     

基于PLSA的新闻评论情绪类别自动标注方法

针对大规模语料手动标注困难的问题，提出利用概率潜在语义分析（PLSA）模型的新闻评论自动标注方法.利用PLSA计算获得语料集的"文档-主题"和"词语-主题"概率矩阵；基于情感本体库和"词语-主题"概率矩阵，认为某一类情绪词汇出现的概率最高的主题与词汇的情绪类别相同，对主题进行情绪类别标注；最后，基于"文档-主题"概率矩阵，认为出现在某一主题概率最高的文档与主题的情绪类别相同，通过"词汇-主题-文档"三者的关系，达到自动标注的效果.实验结果表明，本文提出的方法准确率可达到90%以上.     

面向平行语料库和多层次语言特征的英语翻译系统研究

针对传统英语翻译系统对于平行语料库和多层次语言特征的提取准确率低、翻译效果不佳的问题，提出基于深度可分离卷积的英语神经机器翻译方法。此方法根据英语的语言特征，将英语切分为词、音节、字符、子词四种不同层次的语言粒度，以此降低英语低频词数量；然后通过深度可分离卷积对基于注意力机制的神经机器翻译模型进行改进，得到深度可分离卷积的英语神经机器翻译模型。实验结果表明，在对汉语～汉语翻译的切分结果中，本模型的在英汉翻译的切分语粒度BLEU分数均保持在21%及以上，均高于传统的CNN模型和Transformer机器翻译模型。且对平行语料和多层次语言特征进行测试发现，本模型的训练时间仅为16 h, CNN模型和Transformer机器翻译模型的训练时间分别为18 h和24 h,训练时长比本模型高出11%左右。由此可知，本模型可提升英语翻译系统计算效率，模型训练和学习能力明显增强，计算量减少，特征提取效果显著提升。     

智能化语音语料库的设计研究

在经济全球化发展趋势下,世界各国对语言的研究越发深入,语言研究方法也越来越多,比如说定性研究、定量研究、两者相结合的研究方法等。现如今建设应用大型语料库作为国内外语言学研究的核心内容,不仅能为自然语言处理领域发展提供基础依据,还可以充分展现人工智能、信息提取、人机对话等技术优势。因此本文研究在了解智能化语音语料库设计原则的基础上,根据语音语料库的核心需求和属性扩张,深层探索智能化语音语料库的设计步骤,以电力行业的语音语料库设计构建情况为例,根据实证分析明确智能化语音语料库的设计应用价值。     

继电保护装置缺陷文本专业词典构建及其语言特性分析

继电保护装置缺陷文本缺乏基于专业词典的数据挖掘，对继电保护缺陷定级、诊断和消除支撑不足，无法满足高效运维需求。结合某区域电网继电保护缺陷数据，提出了适用于继电保护装置缺陷的专业词典构建方法，并构建了相关专业词典。首先，汇总了该区域继电保护装置缺陷文本数据，形成缺陷文本语料库；其次，应用基于正则表达式的停用词识别方法，实现缺陷文本中无关字词的剔除；然后，采用机器与人工相结合的方法，构建了缺陷文本分词词典，采用潜在语义分析和决策树分类，实现了同义词合并；然后，通过整合停用词表、分词词典、同义词表，构建了该区域电网保护装置缺陷专业词典；最后，对比了使用词典前后的专业词汇齐普夫分布和语料库信息熵，验证了所构建专业词典的有效性。     

基于多译本平行语料库的英汉智能翻译系统设计

为了提高传统翻译系统翻译质量，提出一种基于多译本平行语料库的英汉智能翻译系统。为实现该系统，首先采用网络爬虫算法对英汉语料进行收集和预处理，搭建出多译本平行语料库；然后采用基于上下文向量的词对齐模型和基于余弦相似度计算方式的段落对齐模型作为系统模型，并构建出基于attention注意力机制-LSTM的翻译系统，最后与基于跨语言词向量和基于IBM模型1的词对齐模型进行对比实验。实验结果表明，三种模型中基于上下文向量的词对齐模型正确率高达90.24%,而其余两种模型正确率仅为62.71%和51.06%,可以证明基于多译本平行语料库的英汉智能翻译系统可以有效提升翻译的正确率，达到了预期的翻译效果，可以运用于英汉智能翻译的工作中。     

基于多特征提取的语料库翻译数据标识系统设计

网络信息的多样性和表达不规范性对数据的挖掘翻译和情感分析造成了较大的难度。研究基于语料库领域特点，以候选情感关联性来进行句子情感词性的表达，并引入Att-BiLSTM算法实现对语义文本信息的特征提取和改进K-SVD算法实现分词特征提取，将语料句子按照词、词性、音节和位置来进行多特征向量建构，并构建起语料库翻译数据标识系统。将研究提出的多特征算法进行性能应用分析，结果表明，研究提出的算法在情感词性数据集下的平均准确率均在75%以上，且其在两种向量和四种向量下的正负性分类准确率分别为89.54%和80.15%),在中文语料库识别中具有超过85%的准确率，英语语料库下的F1值为85.47,数据处理误差均小于其他对比算法。研究提出的算法能有效把握语料句子信息之间的关联性，并从情感性和特征值上进行权重识别，有效为数据翻译提供较为全面的识别依据。     

融合关键信息的科技文献创新点生成方法

相较传统的阅读方式，利用摘要生成等技术生成文献的创新点存在正确性低、事实准确性差、与原文的关键信息有偏差等问题。据此，提出一种融合关键信息的科技文献创新点生成方法，在该领域构建一个中文长文本-生成创新点语料库，提出一个领域知识抽取方法，用实体知识指导原文内容的选择，利用指针生成网络生成最终的创新点。实验结果表明，该方法在Rouge分数上均优于主流方法，生成的创新点具有更好的正确性和事实准确性。