基于图的同义词集自动获取方法

同义词集是重要的语言基础知识,基于大规模语料库的同义词集自动获取是自然语言处理领域的一项基础性研究课题.从大规模语料中自动获取有并列结构关联的词语对,据此形成图,采用Newman算法对图进行划分而自动聚类相似词语.着重研究在Newman算法的基础上,充分挖掘和利用并列结构的特性和汉语的构词特点,采用6种方法对图中边的权值加以改进从而提升效果:分割语料、去除低频边、加重双向边、加重团、加重相同后字、惩罚音节不等.同义词集自动获取的准确率从初始的23.28%提升至53.12%,准确率提高了约30个百分点.     

城镇污泥干燥过程中胶粘性的研究

主要对污泥的干燥性质、污泥在干燥过程中所发生的胶粘性的变化作了机理性的研究,在此基础了提出了一些对污泥干燥过程中胶粘性的特点,并对如何解决和避免胶粘性提出了建议;针对污泥这种含水量大、粘性大的特殊物料的干燥,选用普通回转圆筒进行干燥,对干燥后物料、干燥过程粘性的变化等作了分析,并在此基础上了对设备进行了改造,使之能够解决和避免在回转圆筒干燥机中干燥污泥产生的胶粘性问题,主要的改造是在回转圆筒的进料端加上了自清理装置,以及横贯圆筒中心的打散装置,以此产生了新的回转圆筒设备——带自清理的打散回转圆筒干燥机,并且作了工业模拟试验。     

多分类器集成的汉语词义消歧研究

词义消歧长期以来一直是自然语言处理中的热点和难题,集成方法被认为是机器学习研究的四大趋势之一.系统研究了9种集成学习方法在汉语词义消歧中的应用.9种集成方法分别是乘法规则、均值、最大值、最小值、多数投票、序列投票、加权投票、概率加权和单分类器融合,其中乘法规则、均值、最大值3种集成方法还未曾应用于词义消歧.选取支持向量机模型、朴素贝叶斯和决策树作为3个单分类器.在两个不同的数据集上进行了实验,其一是选自现代汉语语义标注语料库的18个多义词,其二是国际语义评测SemEval-2007的中英文对译选择词消歧任务.实验结果显示,首次在词义消歧中引入应用的3种集成方法乘法、均值、最大值有良好的性能表现,3种方法的消歧准确率均高于最佳单分类器SVM,而且优于其他6种集成方法.     

超大规模语料库精深加工及应用研讨会会议报道

2010年4月18至19日,在乐山师范学院召开了"超大规模语料库精深加工及应用研讨会".会议中心议题是交流在超大规模语料获取、整理、加工方面的成果与经验,特别针对基于国家语言资源监测语料库的语言状况调查中遇到的问题进行了深入讨论.     

基于改进k-means算法的中文词义归纳

汉语中一词多义现象普遍存在,词义归纳就是对在不同语境中具有相同语义的词进行归类,本质上是一聚类问题。目前广泛采用无指导的聚类方法对词义归纳进行研究,提出一种改进的k-means算法,该算法主要从初始簇中心的选取以及簇均值的计算两个方面进行改进,在一定程度上克服了其对“噪声”和孤立点数据的敏感。在特征表示上用同义词词林中词的分类编号来降低特征维度。实验表明改进k-means算法在性能上有较大的提升,F-Score达到了75.8%。     

基于词典属性特征的粗粒度词义消歧

本文依据《现代汉语语法信息词典》中对词语多义的属性特征描述,对《人民日报》语料中155 个词语共 4 996 个同形实例进行了粗粒度词义自动消歧实验,同时用贝叶斯算法进行了比较测试。基于词典属性特征的消歧方法在同形层面上准确率达到 90%, 但召回率偏低。其优点在于两个方面: 1) 不受词义标注语料库规模的影响;2) 对特定词语意义的消歧准确率可达到100%。本文也讨论了适用于不同词类的消歧特征。     

词义标注语料库建设综述

词义消歧的关键问题是缺少大规模、高质量的词义标注语料库。本文分别从语料选取、词典选择、标注规模和标注质量等方面介绍已经建成的较有影响的若干词义标注语料库。在自动构建词义标注语料库的方法中,本文集中介绍bootstrapping策略在语料库建设方面的应用以及利用双语对齐语料库开展的相关研究。最后,针对词义标注语料库建设存在的问题提出自己的分析和思考。     

词义消歧和词义消歧评测简介

词义消歧是自然语言处理的基础研究之一。本文简要地介绍了词义消歧的研究目的、研究内容、研究方法（特别是基于机器学习的方法）和研究历程,以及当前词义消歧所面临的主要问题;接下来比较详细地介绍词义消歧相关的国际评测。最后对全文做出总结。     

易燃易爆煤粉干燥工艺的研究与应用

简述了易燃易爆煤粉的干燥处理工艺研究。开发出了应用于易燃易爆煤粉的一种干燥工艺。经长期生产实践表明,该干燥工艺及成套生产装置是安全的、可靠的,其节能和环保效益非常显著。并对该成套生产装置的扩展应用提出了讨论。     

词间相关性在Web检索中的新应用

首先分析了以往信息检索中利用词间相关性的局限性,针对Internet检索对象是Web页面,具有篇幅较小的特点犤2犦,提出“主题关键词集合”的概念,利用词间相关性,通过计算用户查询词集合与网页主题关键词集合之间的距离,对检索结果重新排序。