基于藏文BERT的藏医药医学实体识别

藏医药文本字符嵌入对藏医药医学实体识别有着重要意义,但目前藏文缺少高质量的藏文语言模型。本文结合藏文结构特点使用普通藏文新闻文本训练基于音节的藏文BERT模型,并基于藏文BERT模型构建BERT-BiLSTM-CRF模型。该模型首先使用藏文BERT模型对藏医药文本字符嵌入进行学习,增强字符嵌入对藏文字符及其上下文信息的表示能力,然后使用BiLSTM层进一步抽取藏医药文本中字符之间的依赖关系,最后使用CRF层强化标注序列的合法性。实验结果表明,使用藏文BERT模型初始化藏医药文本字符嵌入有助于提高藏医药医学实体识别效果,F1值达96.18%。     

基于FY-4A数据的青藏高原多时相云检测方法

基于我国新一代静止气象卫星FY-4A/AGRI的4 km分辨率全圆盘数据,利用其高时间分辨率、高光谱分辨率的特点,提出一种青藏高原地区多时相多通道阈值组合的云检测方法,并通过实际案例分析所提出的云检测方法有效可行。结果表明:对比中国国家气象中心云检测产品以及传统单时相云检测方法,多时相云检测方法,其准确率为94.4%,误检率为7.2%,漏检率为5.6%,均优于其他两种方法,体现了多时相检测的优越性;云相态检测中,分别使用GPM降水资料以及CALIPSO卫星云相态观测结果对检测结果进行精度评价,其中冰云分布与GPM实测降水分布相似度达到了0.883,云相态整体检测结果与CALIPSO实际观测的云相态也较吻合,进一步验证了云相态检测的合理性,这也是对青藏高原地区进行降水监测的一种辅助手段。     

Temporal and Spatial Variation and Influencing Factors of Water Storage on the Loess Plateau

In recent years,the conditions of the underlying surface of the Loess Plateau have changed greatly.We researched the changes of water storage by using multi-source data to further reveal the region’s water cycle process.GRACE data were used to study the temporal and spatial characteristics of Terrestrial Water Storage Changes (TWSC) in the Loess Plateau for 2003~2015 years,combined with the atmospheric circulation data,TRMM (3B43) precipitation,GLDAS evaporation and MODIS surface temperature data to analyze the impact of climate change and human activities on TWSC.The results shown that：①in the 2003~2015 years,the TWSC of Loess Plateau showed a decreasing trend with the rate of -5.16±1.51 mm/a,and the seasonal variation shown autumn＞winter＞summer＞spring.②in the past 13 years,the TWSC of Loess Plateau were decreasing from west to east,and the whole were in the state of loss,the minimum value was up to -4.5 cm.③Precipitation has a greater influence on the TWSC in the southwest and south of Loess Plateau,but the surface temperature plays dominated role in the southeast and east.④Human activities have a greater impact on TWSC in Shanxi province and the border zone of Shaanxi,Shanxi and Henan.The comparative study of multi-source data can more accurately reflect the spatial and temporal distribution of water storage changes in the region,and it also have great significant for further research of water cycle process.     

A Review on Alpine Grassland Phenology on the Tibetan Plateau

Vegetation phenology is the most intuitive and sensitive indicator of seasonal and inter-annual variability under environment conditions.The phenology monitoring methods mainly include field observation,phenology model,digital camera and remote sensing technology.On the Tibetan Plateau,the start of growing season for alpine grassland had four viewpoints：experiencing an advancing and advancing in fluctuating trend,a postponing trend and no change,respectively.Phenology phases experience interactions with climatic factors.These factors,such as temperature,precipitation,CO₂ concentration,snow cover and extreme climate,play an important role in alpine grasslandgrowth.Meanwhile,phenology changes at different scales and the driving factors are uncertainty.Finally,the existing problems and the future research directions were discussed.     

星载降水雷达的交叉分析和案例应用

星载降水雷达是太空中对降水观测最精确的仪器,目前星载降水雷达有TRMM PR、GPM DPR和Cloud Sat CPR,但对于三颗雷达产品的认识及应用还相对不足。在全球范围内对三颗雷达的样本进行了两两匹配,为确保匹配样本时空范围一致,样本间空间差异不大于2 km,时间差异不大于20 min。基于匹配样本首先对三颗雷达从多角度进行了交叉对比,最后将经过地面校正的TRMM PR和GPM DPR数据应用于研究青藏高原降水地形关系。结果表明:PR和DPR降水数据的空间分布和纬度条带分布基本相似;DPR相比于PR显著提升了对小降水的观测能力,CPR对小降水观测最准确,但是低估了中大降水,因而CPR在低纬度地区降水强度低于其他产品,但是在高纬度地区降水强度则高于其他产品;基于雷达降水应用表明,青藏高原大部分流域累积降水随着高程的增加指数下降,降水地形效应最显著的是喜马拉雅山脉南坡中部,降水呈现双峰模式。     

基于混合策略的藏文虚词识别方法

藏文虚词在歧义消解、句法、句型和语义处理等方面起着重要的语法作用。该文在分析传统藏文虚词研究成果的基础上,统计了面向自然语言处理的藏文虚词及特征,提出了基于规则和最大熵模型相结合的藏文虚词识别策略。实验表明,该方法识别藏文虚词的准确率、召回率和F₁值分别达98.39%、98.75%、98.57%。     

不同自然语言的信息处理方法差异概述--以藏汉文本检查技术为例

文章主要阐述了自然语言处理的基础技术。首先,文章介绍了藏汉两种文字自然语言处理(NLP)技术的发展历程;其次,文章比较了藏汉两种语言的字,词、句和篇章等层面的信息处理方法的差异性,试图探索和挖掘跨语种的自然语言处理之间的语法特点,从而选取符合语法特征的自然语言处理方法,做到因语施策。     

藏语口语语音语料库的设计与研究

基于对普通语音语料库构建方法的研究与分析,结合自然口语语音识别研究相关需求以及藏语自然口语语音的基本特点,研究设计了适用于藏语语音识别的口语语音语料库建设方案以及相应的标注规范,并据此构建了时长50小时,包含音素、半音节、音节、藏文字以及语句共5层标注信息的藏语拉萨话口语语音语料库。统计结果显示,该语料库在保留口语语音自然属性的同时,对音素、半音节等常用语音建模单元也有均衡的覆盖,为基于藏语口语语音数据的语音识别技术研究提供了可靠的数据支撑。     

基于联合模型的藏文实体关系抽取方法研究

从无结构文本中抽取实体与实体之间的关系是自然语言处理领域的重要研究内容,同时也为构建知识图谱、问答系统等应用提供重要支撑。基于联合模型的实体关系抽取任务将实体识别和关系抽取同时进行,克服了传统实体关系抽取任务中先识别句子中的实体,然后再进行实体关系判断这两次任务中的错误累加。该文针对藏文语料匮乏、实体识别准确率不高等问题,提出了基于联合模型抽取藏文实体关系的方法。基于藏文实体关系抽取任务,提出以下方案: ①针对藏文分词准确率不高的问题,对藏文进行字级和词级两种方式进行预处理,并给出对比实验,结果表明采用字级处理方式较词级处理方式效果有所提高。②藏文是一种语法规则比较强的语言,名词、格助词等能明确指示句子各组块之间的语法和语义结构关系,因此该文将藏文的词性标注特征加入到藏文的字词向量中,实验结果证明了方法的有效性。③该文借鉴了联合模型处理的优势,提出基于联合模型处理方式,采用端到端的BiLSTM框架将藏文实体关系抽取任务转变为藏文序列标注的问题,实验结果表明,该文的方法较传统的基于藏文处理方式,如SVM算法和LR算法,准确率提高了30%～40%。     

基于短时平均能量和短时过零率的藏语语音端点检测研究

语音端点检测是语音处理分析过程中的重要环节之一,该文介绍了语音端点检测的两个传统算法即短时平均能量和短时过零率,并将这两种算法结合起来进行藏语语音进行端点检测。运用Matlab编程和仿真验证了双门限判断法在藏语语音端点检测中的准确性。这种方法降低了藏语语音处理的时间、提高了处理的质量、可用来进行一些藏语语音识别的特征参数的提取。