最大熵和条件随机场模型相融合的藏文人名识别

藏文人名识别是藏文信息处理领域研究的难点之一,其识别效果直接影响到藏文自动分词的精度和相关应用系统的性能,包括藏汉翻译、藏文信息检索、文本分类等。该文在分析藏文人名构成规律和特点的基础上,提出了一种最大熵和条件随机场相融合的藏文人名识别方法。实验表明,该方法可以获取较好的识别效果,在我们的测试集上F-测度值到达了93.08%。     

基于藏语字性标注的词性预测研究

该文选取了藏语文中小学教材的部分语料,构建了带有藏语字性标记、词边界标记和词性标记的语料库,通过比较不同的分词、标注方法,证明分词、词性标注一体化效果比分步进行的效果好,准确率、召回率和F值分别提高了0.067、0.073和0.07。但词级标注模型难以解决词边界划分的一致性和未登录词的问题。基于此,作者提出可以利用字性和字构词的规律预测合成词的词性,既可以融入语言学知识又可以减少由未登录词导致的标注错误,实验结果证明,作为词性标注的后处理模块,基于字性标注的词性预测准确率提高到了0.916,这个结果已经比分词标注一体化结果好,说明字性标注对纠正词性错误标注有明显的效果。
     

Water quality in the southern Tibetan Plateau: chemical evaluation of the Yarlung Tsangpo (Brahmaputra)

Yarlung Tsangpo (Brahmaputra) is the largest river system draining the northern slopes of the Himalayan ranges on the southern Tibetan Plateau. It remains one of only two large non‐regulated rivers in China. In this paper the chemical composition of Yarlung Tsangpo and its major tributaries (Raga Tsangpo, Nyangchu and Lhasa River) are studied. Water samples (n = 55) were collected and measured for major ions, trace elements and nutrients in order to: (1) define the present chemical quality of this water course; (2) address possible mechanisms governing the water chemical compositions, and (3) identify potential sources for contaminants. Multivariable analysis shows that geology and climate are the major explanatory variables for the spatial variation in water chemistry in this river system. In general, water chemistry is mainly controlled by carbonate weathering, with Ca²⁺ and HCO being the dominant ions. In addition, runoff from brackish/saline lakes and geothermal waters, enriched in Na⁺, Cl^?, SO, Mg²⁺ and Li, are major contributors of elevated concentrations of these solutes in the headwater regions resulting in a relatively high loading of total dissolved solids (TDS, 146–397 mg L^?1). Levels of most heavy metals and total dissolved nutrients were generally found to be low. However, elevated As concentration (avg. 95 μg L^?1) in the headwaters and additions from untreated wastewater were evident at some locations. Copyright © 2009 John Wiley & Sons, Ltd.     

自然语言处理用藏语格助词的语法信息研究

该文主要探讨了藏语格助词的语法信息、语义信息、功能结构等内容,从而为建立藏语格助词的语法属性库提供详实的参数。这对句子进行分析与描述,观察句子歧义都有着重要的意义。     

面向信息处理的藏文分词规范研究

自动分词是藏文信息处理领域的一项基础课题,也是智能化藏文信息处理的关键所在。 在藏文信息处理“字词处理”层面上,需要解决词的切分问题,而词类划分的标准和词的正确切分是进行藏文文本处理的必要条件。为了便于计算机对自动分词、词性标注的辨认,该文首先要确定满足藏文信息处理中词类的需求,并根据藏文自身的词汇特点与构词规律,提出了较为系统、适用的分词规范。     

基于蚁群算法的现代藏文字符轮廓提取技术研究

由于对字符提取骨架往往会失去受污损部位的重要信息,因此本文提出了一种基于蚁群算法的现代藏文字符轮廓提取算法,旨在用字符的轮廓线代替骨架线来表征字符。本算法用于印刷体藏文轮廓提取,取得了良好的效果,避免了传统细化算法造成的畸变,提高了轮廓提取的抗干扰能力,并且减小了计算量,加快了特征提取的速度。     

藏文自动分词中未登录词处理方法研究

藏文中后接成份出现频率较高,分词中未登录词的后缀单切现象会影响分词的正确率,为此,采用词(语素)+缀归并的方法,将藏文后接成份与前一词(语素)归并为一个切分单位输出。针对藏文中大量人名、地名、单位名等未登录词在分词时出现的碎片切分现象,使用分词碎片整合方法,将多次出现的词条碎片整合为一个切分单位输出。实验结果表明,2种方法能提高藏文自动分词的识别正确率。     

藏文支持在OpenOffice.org办公套件中的实现

办公套件是人们日常应用最为广泛的信息处理软件之一,但真正意义的藏文办公套件至今都尚未问世,成为藏文信息技术发展的“瓶颈”。开源项目OpenOffice.org的不断发展和日益成熟,为藏文办公套件的研制开发提供了有利的契机。以OpenOffice.org为源代码基础,采用藏文编码字符集(扩充集A)国家标准,研制的藏文办公套件可支持藏文排版习惯和藏文本地环境,着重解决了藏文文本自动断行的问题,能够满足藏语文用户日常办公需要。     

论青海藏族茶文化

青海藏族地区特殊的生存环境和饮食结构,决定了茶在人们饮食生活上的重要地位.青海藏族在烹茶、饮茶以及茶具上都具有鲜明的民族特征,并与藏传佛教的发展、宗教活动密切相关,构成了雪域民族丰富多彩的茶文化.     

面向机器翻译的藏语短语句法研究

针对现代藏语句法,在参照宾大中文树库的基础上,构建藏语短语句法树库,并建立了树库编辑工具,为藏汉机器翻译服务。在短语句法树库的基础上,提出一种融合藏语句法特征的藏汉机器翻译方法。实验分析结果表明,该方法可以很好地应用于藏汉机器翻译系统。