基于HNC语义分析模型的文图转换研究

军事文书转换为要图通常需要耗时费力的人工工作,文图的自动转换将大大促进军事指挥的自动化水平。基于HNC理论及其语义模型提出并实现了一个文图自动转换系统,通过对军事文书中部队番号的自动识别、时间地点要素的自动获取,以及语句的句类分析可以获得句群文本的语义情景框架,根据情景框架中的要素可以直接转换为要图标绘所需的信息。实验表明军事文书的文本自动分析系统具有较高的准确率和召回率,为实现军事文书的文图自动转换提供了一种可靠方法。     

利用语句结构信息的机器翻译自动评测初探

机器翻译评测对机器翻译有着极其重要的意义,它对翻译系统性能的提高做出了很大的贡献,同时促进了机器翻译的发展.本文在HNC机器翻译策略的基础上,对翻译语料的句类转换和句式转换做了初步的研究,并利用句类转换和句式转换的理论,建立了基于句类信息的自动评测的打分机制.     

基于语义块的事件倾向性分析研究

事件的倾向性分析对网络舆情分析和事件趋势分析都具有重要意义。该文把影响倾向性分析的词语分为四类 对象词、褒贬词、逻辑词和程度词,建立了语句倾向性分析的二元模型和三元模型,在语句语义块分析的基础上实现对语句和篇章的倾向性获取。实验中首先确定三个事件实例的关键对象和立场,然后根据语句倾向性分析获得文章对于对象的褒贬态度和立场。实验表明语义块的范围限制有助于提高事件倾向性分析的准确性,立场分析则是事件倾向性分析的关键所在。     

句类分析准则在作战文书地名识别中的应用

针对军用要图自动标绘对地名识别高精度的要求,紧扣“作战文书行文规范”这一特点,将句类分析之标点准则(语句的首尾边界是首块和末块的天然首尾边界)、介词准则(汉语的语块移位标志符由介词充当)、动词准则(充当特征块的动词是其它语块的天然边界)等应用于作战文书地名识别,采用基于规则的方法加以实现,实验结果F值在88％-97％之间.因此,作为作战文书向军用要图自动转换的预处理,地名识别这一结果是可用的.     

对偶性概念的HNC阐释

本文首先从计算语言学的角度对传统语义学和古典哲学进行了反思,提出了对偶性概念思想,并指出,区分两类对偶(黑氏对偶与非黑氏对偶)对自然语言处理中揭示概念之间关联性有重要意义;然后对两类对偶的内涵分别进行了范定,特别是非黑氏对偶的12种子类给出了详细的定义;接着从语言概念空间和对偶空间的相互映射中,说明了对偶性概念在HNC概念基元表示中的地位。这些多侧面多角度的对偶性概念阐释,有利于对偶性概念在自然语言处理中的应用。     

基于概念基元的句群情景框架抽取研究

句群的构成要素是领域、情景和背景,领域是核心.领域关联的情景框架主要依据领域句类知识库的描述,从句群语句的语义块中抽取.本文介绍了在语言概念空间中对句群情景框架的概念符号描述,通过匹配整合句群情景框架中语义块的概念约束和句类分析结果中的语义块,给出了从自然语言空间的句群中抽取情景框架要素的方法,并根据实验结果总结了句群情景框架抽取中需要加强和完善的地方.     

基于HNC的汉语词语知识库改进

汉语词语知识库是HNC知识库系统的重要组成部分,目前其结构设计简单,加大了对HNC符号解析的难度。该文在分析了HNC的编码特点的基础上,改进了汉语词语知识库模型,阐述了改进后汉语词语知识库实体属性的设计方法和知识库的填写原则,并用实例说明了改进后的词语知识库可以提高自然语言处理的效率。     

面向英汉机器翻译的英语特征语义块处理

针对当前英汉机器翻译软件未能充分理解源语句的问题,基于概念层次网络理论(hierarchical network of concepts,HNC理论),详细分析了在语句理解中起重要作用的英语特征语义块,分类讨论了其核心部分构成特点,并提出了相应的计算机处理算法.与在线机器翻译结果的比较表明,该算法对源语句进行了更加深入的分析与理解,能够为英汉机器翻译提供技术支持.