The Gender Congruency Effect and the Selection of Freestanding and Bound Morphemes: Evidence From Croatian.

The authors report 3 picture-word interference experiments in which they explore some properties of the agreement process in speech production. In Experiment 1, Croatian speakers were asked to produce utterances in which the noun's gender value had an impact on the selection of gender-marked freestanding morphemes (pronouns) while ignoring the presentation of same- or different-gender distractor words. In Experiments 2 and 3, Croatian speakers were asked to name the same pictures using noun phrases in which the noun's gender value surfaced as an inflectional suffix. Different-gender distractors interfered more than same-gender distractors (the gender congruency effect) in Experiment 1, but not in Experiments 2 and 3. These contrasting results show that the cause of the gender congruency effect is not at the level where lexical-grammatical information is selected but at the level of selection of freestanding morphemes. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

GDX-102色谱柱测定T-103塔尾气中的丙烯腈

用GDX-102色谱柱测定T—103塔尾气中的丙烯腈，相对标准偏差为0．4094％。数据准确、可行。     

基于规则的汉语名名组合的自动释义研究

该文以现代汉语(特别是网络搜索词)中的名名组合为主要研究对象,探索一种基于规则的汉语名名组合的自动释义方法。其研究步骤为: (1)利用《现代汉语语义词典》中名词的语义类别,来建立名名组合的语义类组合模式;(2)在“生成词库论”中物性角色思想的指导下,用名名组合中某个名词的施成角色或功能角色作为释义动词,来揭示这两个名词之间的语义关系;(3)以语义类组合模式为单位构建名名组合的释义模板,并汇集成名名搭配数据库;(4)利用《知网》资源,来获取具体名词的施成角色和功能角色,建立汉语名词知识库。在这两个数据库的基础上,我们初步实现了一个汉语名名组合的自动释义程序。     

一种基于决策树和词义相似度的N1+N2结构语法关系判定方法

设计了一种基于决策树算法的N1+N2结构语法关系判定方法.首先建立了该结构的语料库,对每条语料都标注构建特征集所需的词性、《同义词词林》语义编码、语法关系和词义相似度等信息;然后为证明相似度在判断语法关系中的合理性,根据语言学原理研究了N1+N2结构两个名词间语义相似度与语法关系之间的内在规律:①从语法关系的角度比较两个名词间的语义相似度结果为:并列关系>复指关系>定中关系>主谓关系;②从语言功能焦点的角度比较两个名词间的语义相似度结果为:并焦型短语>后焦型短语.最后以此为基础构建了特征集,运用决策树C4.5算法建立了自动判定N1+N2结构语法关系的方法.运用该算法在自建语料库的测试集中进行测试,正确率为89.39％.     

并列短语及其词序的认知语言学研究

有关并列短语及其词序的研究目前主要存在四方面的问题：“并列短语”的概念之争、并列短语的界定、并列短语与并列复合词的异同、并列短语的词序。为解决这些问题与分歧,认知语言学的基本观点、假设、范畴的原型观、语言的象似观、概念整合理论以及词汇化和短语固化等理论和观点构成研究并列短语及其词序的理论基础,该理论能在一定程度上对以上问题作出合理的解释。根据范畴的原型观,并列短语具有典型性,为并列短语及其词序研究尤其是定量研究提供了理论基础;象似性在并列短语中大量存在,尤其是顺序象似或时间顺序原则,在汉语中尤为明显;词语整合具有层级性,并列短语在词汇化和固化程度上的不同,与概念的整合层级性相关。     

基于主题短语的搜索引擎结果聚类

为了解决搜索引擎检索结果中的主题混杂现象,帮助用户快速准确地定位到有价值的信息,提出基于主题短语的搜索引擎结果聚类方法。首先从检索结果中提取查询词并与相邻词语组成主题短语,建立包含高频独立词语及主题短语的混合向量空间模型,同时引入同义词词林对特征项进行语义扩充,最后采用改进的k-means聚类算法对搜索结果进行聚类,并为各个类别提取类别标签。实验结果表明,该算法能有效提高聚类结果的准确率。     

基于SVM融合多特征的介词结构自动识别

介词结构在汉语文本中出现频率很高,正确识别介词结构边界对句法分析、语音合成中的韵律短语划分有着重要意义。该文较为系统地探讨了汉语中常用介词的边界识别问题。利用支持向量机SVM模型,基于输出概率而不是简单的二分法来选择正确的后边界。探讨了不同的特征选择,并尝试加入语义信息等不同特征组合以提高识别准确率。对常用的68个介词进行边界识别实验,5折交叉验证的准确率达到90.95%,优于前人的识别结果。     

基于派生文法的日—蒙动词短语机器翻译研究

本文探索了源语为日语,目标语为蒙古语的动词短语机器翻译系统的实现方式。基于主张日语不活用的派生文法,重新分析日语附加成分。将日语的词干和附加成分转换到蒙古语的词干和附加成分之后,运用蒙古语的语音规则来处理并生成动词短语。在此基础上试做了日—蒙动词短语机器翻译系统。对30篇日文报道的403个动词短语进行测试,取得了95.78% 的正确率。     

向量空间模型中结合句法的文本表示研究

为增强向量空间模型(VSM)中项的语义描述性,克服VSM中各语义单元相互独立的缺陷,提出一种基于短语的特征粒度描述方法。该方法从文本的表示及特征项之间的组织方式入手,通过句法规则识别基本短语,构建特征与中心动词的关系树,利用基本短语代替BOW中的词。实验结果表明,采用基本短语的文本表示可提高分类的性能,增加项之间的联系,克服特征项相互独立的缺陷,在特征数量较少的情况下仍能保持良好的分类效果。     

层次短语翻译中基于Markov 随机场的层次切分模型

翻译推导的切分歧义是统计机器翻译面临的一个很重要的问题,而在层次短语机器翻译中,其尤为突出.提出了一个层次切分模型来处理推导的切分歧义性.采用Markov随机场构建模型,然后将其融入层次短语翻译模型,以便自动选择更合理的切分.在NIST中英翻译的任务中,该模型的训练效率高,通过NIST05,NIST06和NIST08这3个测试集上的翻译效果表明,该模型提高了层次短语翻译的性能.