一种基于语义与结构的句子相似度计算方法

在对已有方法进行分析的基础上,提出语义与结构相结合计算句子相似度的方法,并系统地介绍了此方法的实现过程。首先对输入的句子进行预处理,得到词语序列,使用基于知网的方法得到词语间的语义相似度;然后使用词形和句长特征表示句子的结构相似度;最后加权得到两个句子的相似度。实例证明,提出的方法计算得到的句子相似度取得了较好的效果。     

基于同义词词林的词语相似度计算方法

为解决词语相在语义网自适应学习系统中相似度计算不清的问题,以同义词词林为基础,提出并实现了一种基于同义词词林的词语相似度计算方法,充分分析并利用了同义词词林的编码及结构特点。该算法同时考虑了词语的相似性,和词语的相关性。进行人工测试,替换测试以及与当前流行的基于＂知网＂的词语相似度算法对比测试的结果表明,该算法与人们思维中的相似度值基本一致,有较高的准确性。     

用指针实现的程序的标准化及其应用

为了消除指针程序实现形式的多样化,简化程序分析,提出一种对用指针实现的程序进行标准化的方法.首先将程序表示成系统依赖图,分析指针别名信息;然后制定指针标准化规则并结合已有的代码多样化消除规则,对系统依赖图进行保持语义不变的转换,将语法表示不同但语义等价的程序转换为相同的系统依赖图表示,从而消除代码多样化.最后,将该方法应用到C语言编程题的自动评分系统中,并与人工评分和正确评分结果进行对比,验证了该方法的有效性.     

中文语义网络的UML对象建模

介绍了一个汉语语义知识表达框架——语义网络，分析了语义网络的知识表示和逻辑推理，结合面向对象的描述语言UML(统一建模语言)对中语义网络进行了模型的描述。     

英汉经贸词语语义场对比

语义场是指由具有某些共同语义特征的一群词类聚而成的场。语义场理论是现代语义学和词汇学中的重要理论。通过对英汉经贸语言中核心名词的语义归类进行分析与对比,找出经贸英语和经贸汉语的语义特征,并通过一些具体词语例子,探讨经贸英语词语语义的演变方式。     

PageRank模型在中文情感词极性判别中的应用

针对倾向性分析任务重的基础性工作——情感词的极性判断工作,提供了一种基于PageTank模型的情感词极性判断方法.由待判别情感词和少量中子情感词构成图中的节点,利用知网（HowNet）语义资源计算词语间的语义想死度,进而得到图中节点间边的权重.通过PageRank模型的引入,综合利用有标种子情感词和无标待判别情感词实现对无标情感词的极性判别.与传统的基于HowNet的情感词判别方法相比,PageRank模型的引入使情感词判别的准确率平均提高10%左右,充分验证了所提方法的可行性.     

基于知网的、受限领域的中文命题相似度计算

简单命题的语义识别是进行自然命题逻辑推理的重要基础之一,知网在中文词汇和句子的相似度计算方面扮演着越来越重要的角色。在对领域命题进行了预处理后,针对简单命题的句型结构和构成成分的特点,通过改进义原相似度、词语相似度、句子相似度的计算方法,提出了一种基于知网的、新的句子相似度计算方法。实验表明:该方法可以简单而有效地计算词语相似度;在句子相似度计算时,可以减少助动词、修饰词的影响,更适合判断两个命题是否高度相似。     

现代汉语无基式AABB重叠结构研究

AABB是汉语中一种常见的重叠形式,通常分为有基式和无基式两种类型。本文通过具体的语料实例分析,从类型划分和语义表达效果方面对无基式AABB词语进行研究。首先,无基式AABB词语主要是形容词,因而表示事物的性质或情状。语料库中的无基式AABB词语很多都具有言语词的特点,其内部要素的组合具有很强的临时性。其次,根据无基式AABB词语中AA和BB的内部结构关系,可将其分成三类,即AA与BB是并列联合关系的、AA与BB是附加关系的以及AABB是一个语素的。最后,无基式AABB词语表示抽象的行为或状态以及引起词语色彩意义的变化。     

UML类图模型到RDF(S)的映射方法的研究

在语义Web中,资源描述框架(RDF)用于实现Web上信息资源的语义描述,为本体层提供了表示语义信息的基础,统一建模语言UML作为面向对象的标准建模语言,研究从UML类图中提取领域知识将其转换为RDF(S),有利于克服直接在知识领域构建本体对专家知识的要求过高,减少领域专家的参与,便于本体的自动构建,有利于提高本体构建的质量和效率,对语义Web的开发实现有重要意义。在此通过对RDF(S)和UML类图模型比较分析,提出了由UML类图模型到RDF(S)的映射规则及算法。主要研究UML类图模型向RDF(S)映射的方法,将现有数据领域模型UML中的信息转换为RDF(S),实现RDF(S)本体的自动构建,提高本体构建的效率。     

术语学核心术语辨析

本文从语言学与术语学等不同角度出发,对术语学的核心术语“term”、“terminology”、“nomenclature”及其在汉语中的对应词语的语义及其所表达的概念做了对比分析。这对借鉴国外术语理论建立汉语术语学的基本理论,包括严格的概念系统及其准确的语言表达,是首当其冲必须解决的重要问题。     

Chinese text semantic representation for text classification

Text representation based on word frequency statistics is often unsatisfactory because it ignores the semantic relationships between words, and considers them as independent features. In this paper, a new Chinese text semantic representation model is proposed by considering contextual semantic and background information on the words in the text. The method captures the semantic relationships between words using Wikipedia as a knowledge base. Words with strong semantic relationships are combined into a word-package as indicated by a graph node, which is weighted with the sum of the number and frequency of the words it contains. The contextual relationship between words in different word-packages is stated by a directed edge, which is weighted with the maximum weight of its adjacent nodes. The model retains the contextual information on each word with a large extent. Meanwhile, the semantic meaning between words is strengthened. Experimental results of Chinese text classification show that the proposed model can express the content of a text accurately and improve the performance of text classification. Compared to Support Vector Machines, Text Semantic Graph-based Classification can improve the efficiency by 7.8％, reduce the error rate by 1/3, and show more stability.     

维基百科的中文语义相关词获取及相关度分析计算

本文介绍了利用开放式百科全书维基百科获取语义关联词汇,并对语义相关程度进行分析和计算的方法。我们选择并整理了5万余篇维基百科中文语料,并利用超链接关系及词的互现等特征,获得了近40万对在概念或事实存在某种紧密语义关系的词,并简单分析了其聚类特性。进一步我们结合词在文档中的位置、频率等信息对语义相关程度进行了计算,并结合经典算法的相关结果,在不同语义相关度的集合上进行了对比实验,分析了本文获取语义关联词方法的有效性     

基于实体词语义相似度的中文实体关系抽取

为了探索语义相似度在中文实体关系抽取上的作用,提出由实体词在《同义词词林》中的5层编码构建成的《同义词词林》编码树和由关系实例中的实体词,各个类别中所有实体词计算相似度后求得的平均值构建成的实体词语义相似度树2种新特征,并连同已有的《同义词词林》编码、实体类型信息共4种特征探究其对抽取性能的影响。单一特征的试验中,实体类型特征效果最好,F值达到了小类84.9、大类83.2;组合特征的试验中,实体类型和《同义词词林》编码树的组合特征效果最好,大类小类的F值都比实体类型特征提高了2.5,3种组合特征性能不升反降。试验结果表明《同义词词林》编码树是对实体类型的有效补充,但过多的特征会造成信息冗余,使抽取性能下降。     

《说文》构成声训的训释词和被训词关系的考察

《说文解字》中含有大量的声训,客观、详细、充分地认识构成声训的训释词和被训词之间 的复杂关系是准确认识《说文》声训的前提。本文从语音、字形、意义等角度对此作了细密的考 察,为正确认识《说文》声训及评价《说文》在我国语言学史和文化史上的地位、意义提供了重要 的依据。     

哈希算法与语义映射在语料库对齐中的运用

探讨汉英句级对齐软件设计中两项主要技术,即哈希算法与词典语义映射在对齐中的运用。哈希算法能帮助软件从词典大量的英汉词条语义信息中快速提取所需的对应义,结合语义映射,将需要对齐的句子关键词信息进行语义识别,从而有效提高汉英句子对齐效果。     

助动词"好意思"及其否定形式初探

确定了“好意思”的词性为助动词,分析了“好意思”及其否定形式的语法功能、语义差异和语用特征。     

Construction method of Chinese sentential semantic structure

A new method is proposed for constructing the Chinese sentential semantic structure in this paper.The method adopts the features including predicates,relations between predicates and basic arguments,relations between words,and case types to train the models of CRF + + and dependency parser. On the basis of the data set in Beijing Forest Studio-Chinese Tagged Corpus( BFS-CTC),the proposed method obtains precision value of 73. 63% in open test. This result shows that the formalized computer processing can construct the sentential semantic structure absolutely. The features of predicates,topic and comment extracted with the method can be applied in Chinese information processing directly for promoting the development of Chinese semantic analysis.The method makes the analysis of sentential semantic analysis based on large scale of data possible. It is a tool for expanding the corpus and has certain theoretical research and practical application value.     

基于条件随机域和语义类的中文组块分析方法

为了解决中文组块分析精度不高和未利用词的语义信息的问题,提出了一种基于条件随机域模型和语义类的中文组块分析方法.该方法通过研究中文组块分析任务及其序列化特性,采用条件随机域模型融合不同类型特征,克服标记偏置问题,将语义词典中抽取的语义类特征应用到中文组块分析中,提高分析精度.实验表明,该方法取得了F值为92.77%的中...     

自然语言问答中的语义关系识别

为了避免问句理解阶段过度依赖命名实体,通过语义关系理解中文自然语言问句中关键信息的逻辑关系,提出基于依赖结构的语义关系识别方法,从问句的依赖结构集中识别出对生成语义关系有价值的三类依赖结构集,将三类依赖结构集组合或转换得到语义关系。在中文标准问答数据集上的试验结果验证了本语义关系识别方法的有效性和可扩展性,本方法在命名实体识别失败时也可以理解中文自然语言问句。     

文化差异与英汉语言中"红色"的翻译

作为文化的载体,语言折射出其文化背景、习俗;作为语言的一部分,颜色词的使用使得语言更加丰富、生动多彩。在英汉两种语言文化中,红色体现出不同的语言文化内涵。译文应传递颜色词红色所包含的语言文化信息,而不是仅仅追求语义层面的对等。同时,译文还应符合译入语的文化习俗。这样,读者能够像原文读者一样欣赏原文。