一种基于小字典不对等语料的跨语言词嵌入方法

双语词嵌入通常采用从源语言空间到目标语言空间映射,通过源语言映射嵌入到目标语言空间的最小距离线性变换实现跨语言词嵌入。然而大型的平行语料难以获得,词嵌入的准确率难以提高。针对语料数量不对等、双语语料稀缺情况下的跨语言词嵌入问题,该文提出一种基于小字典不对等语料的跨语言词嵌入方法,首先对单语词向量进行归一化,对小字典词对正交最优线性变换求得梯度下降初始值,然后通过对大型源语言(英语)语料进行聚类,借助小字典找到与每一聚类簇相对应的源语言词,取聚类得到的每一簇词向量均值和源语言与目标语言对应的词向量均值,建立新的双语词向量对应关系,将新建立的双语词向量扩展到小字典中,使得小字典得以泛化和扩展。最后,利用泛化扩展后的字典对跨语言词嵌入映射模型进行梯度下降求得最优值。在英语—意大利语、德语和芬兰语上进行了实验验证,实验结果证明该文方法可以在跨语言词嵌入中减少梯度下降迭代次数,减少训练时间,同时在跨语言词嵌入上表现出较好的正确率。     

詈语的语用认知价值探讨

詈语在自然语言中广泛存在和使用是不争的事实，但长期以来詈语被视为教材编写和课堂教学的禁区。文章在探讨詈语定义和分类的基础上，对詈语在交际中的认知语用价值进行了实例论证。进而提出在语言教学中对詈语重新定位的问题。     

面向信息处理的突发事件语料库分类体系研究

本文分析了突发事件新闻的特点、建设突发事件新闻语料库的目的和意义,研究了突发事件新闻语料的分类体系和编码。研究结果对突发事件新闻语料库的建设、突发事件新闻信息检索、国家相关部门对突发事件应急处理方案制定以及对流行病学的医学研究等领域具有一定的理论意义和应用价值。     

面向口语统计语言模型建模的自动语料生成算法

在资源相对匮乏的自动语音识别(Automatic speech recognition, ASR)领域, 如面向电话交谈的语音识别系统中, 统计语言模型(Language model, LM)存在着严重的数据稀疏问题. 本文提出了一种基于等概率事件的采样语料生成算法, 自动生成领域相关的语料, 用来强化统计语言模型建模. 实验结果表明, 加入本算法生成的采样语料可以缓解语言模型的稀疏性, 从而提升整个语音识别系统的性能. 在开发集上语言模型的困惑度相对降低7.5%, 字错误率(Character error rate, CER)绝对降低0.2个点; 在测试集上语言模型的困惑度相对降低6%, 字错误率绝对降低0.4点.     

文本分类中训练集相关数量指标的影响研究

针对训练集对分类性能的影响,从训练集的文本数、类别数以及特征项数这三项数量指标出发进行研究。使用多因素方差分析方法及多种语料库定量探讨该三项数量指标对分类性能的影响规律。结果发现特征项数对分类性能的影响在不同的文本数和类别数时是不同的,分类性能受训练集的这三项指标的交互影响,通过对训练集的这三项指标进行优化,提出了从分类算法、特征项选择法以外提高分类性能的途径。在真实数据上的实验结果表明,该方法可有效提高分类性能。     

基于语料库的术语翻译——以“选修课”英译为个案研究

术语翻译研究的重要性已得到越来越多学者与机构的认同。本文尝试运用语料库来进行术语翻译研究,以＂选修课＂这一常见术语的英译作为个案研究。该研究从理论与实践相结合的角度,对个案进行了详细探讨,为术语翻译提供有益的参考与借鉴。     

词义消歧相关术语简介

词义消歧是计算语言学领域的基础性关键研究课题。本文介绍了与词义消歧相关的一些重要术语概念,包括词义消歧、词义区分、基于词典的词义消歧方法、有监督的词义消歧方法、词义标注语料库等。     

谈语料库在理工类院校英语教育中的应用研究

针对中国理工类院校英语教育的现实情况,探索了语料库研究在大学英语教学课堂的应用价值,希望为大学教育阶段的英语学习者指明培养语言意识、进行自主学习的可行性道路。研究了语料库在词汇语法学习以及写作教学等方面的作用,并且指出目前国内语料库应用的实际困难以及可能的发展方向。认为:语料库的教学应用能够令学习者增进语感、了解某类语法规律或某种语言现象、形成较强的语言意识;教师更可以通过语料库应用研究促进教学方式多元化,进一步推动英语教育教学改革。     

对语料库、语料库语言学的种种误解

语料库以及语料库语言学引起了各国学者的极大的兴趣。可是,与此相关的误解一直存在着。例如,语料库是老大,一个小型的语料库比一个大型的好。本文讨论了10个关于语料库和语料库语言学的流传得最广的误解。最后,本文对语料库语言学的发展进行了展望。     

基于图割的扩散张量磁共振图像胼胝体分割算法

扩散张量磁共振成像过程易因噪声导致扩散张量图像(diffusion tensor images,DTI)的体素数据发生畸变,使分割效果不佳.针对该问题,提出了一种基于图割的DTI胼胝体分割算法,该算法在求解能量函数的过程中,用非种子点与作为硬约束条件的种子点之间的J-散度中位数表示T-连接权值,用取值范围在(0,1]之间的单调递减指数函数表示N-连接权值,同时构造网格图结构,用最大流/最小切算法计算最小切,实现图像的全局最优二值化分割.DTI图像的分割实验结果表明:所提算法能更为准确地从受噪声影响的数据中提取出胼胝体,各参数不同取值时的重叠率指标统计分析也证明了新算法具有较高的分割精度.