计算机专业英语中的词汇语义场研究

语义场理论是现代语义学研究的一个重要成果,为词汇教学提供了系统科学的理论依据。计算机英语是计算机专业学生的必要工具,将语义场理论应用于专业英语词汇的教学,使学生了解语义场的内涵及特点,有助于更好地掌握专业知识。结合教学实践,探索研究了英语词汇教学的方法和策略。     

Automatic text classification using BPLion-neural network and semantic word processing

Text mining has become a major research topic in which text classification is the important task for finding the relevant information from the new document. Accordingly, this paper presents a semantic word processing technique for text categorization that utilizes semantic keywords, instead of using independent features of the keywords in the documents. Hence, the dimensionality of the search space can be reduced. Here, the Back Propagation Lion algorithm (BP Lion algorithm) is also proposed to overcome the problem in updating the neuron weight. The proposed text classification methodology is experimented over two data sets, namely, 20 Newsgroup and Reuter. The performance of the proposed BPLion is analysed, in terms of sensitivity, specificity, and accuracy, and compared with the performance of the existing works. The result shows that the proposed BPLion algorithm and semantic processing methodology classifies the documents with less training time and more classification accuracy of 90.9%.     

概念空间中上下位关系的意义识别研究

针对上下位关系在分类层级结构建立阶段遇到的多义性问题,给出一种概念空间中上下位关系意义识别的方法.单个概念的意义识别问题被转换为概念空间中上下位关系的意义识别.首先利用并列语境解决语境稀疏问题,获取上下位关系意义的语境.然后利用<同义词词林>对每个语境进行词义修正,以三种特征计算特征词权重,构建"关系一词'的高维向量空间,然后通过潜在语义分析降维,获取上下位关系意义的潜在语义,最后组平均聚类后得到关系的意义划分.在实验中,给出了聚类阈值自动调整函数,分析了词林和潜在语义分析的作用,实验结果证实了方法的有效性.     

基于概念树的本体生成技术研究

本体最早源于对哲学的思辨,如今被计算机领域赋予了新的内涵和意义。在对本体技术深入研究的基础上,提出了基于概念树的本体生成技术。该技术面向企业级应用,能够快速、简洁、有效地生成所研究领域的本体,具有一定的通用性和较强的可扩展性。依据该技术设计实现的Ontology-Computer本体在知识检索领域有较好的应用,可以有效地提高检索的查全率和查准率。     

纺织物指别词语的翻译特色

运用简单的集合原理研究了纺织物指别词汇的语义场，发现其中的上下义关系的类属指别词和多项分类对立关系的种属指别词可以用9种不同的翻译策略加以翻译，其中的部分语义重叠特征的同义聚合关系可以构成纺织物指别词翻译的一词多译雏度，另外，归纳了9类与纺织物指别词相关的修饰性范畴词，共同构建了纺织物指别词翻译的能产性网络，用于翻译纺织物的基本指别词汇。     

结合语境与布朗聚类特征的上下位关系验证

对海量文本语料进行上下位语义关系自动抽取是自然语言处理的重要内容,利用简单模式匹配方法抽取得到候选上下位关系后,对其进行验证过滤是难点问题。为此,分别通过对词汇语境相似度与布朗聚类相似度计算,提出一种结合语境相似度和布朗聚类相似度特征对候选下位词集合进行聚类的上下位关系验证方法。通过对少量已标注训练语料的语境相似度和布朗聚类相似度进行计算,得到验证模型和2种相似度的结合权重系数。该方法无需借助现有的词汇关系词典和知识库,可对上下位关系抽取结果进行有效过滤。在CCF NLP&2012词汇语义关系评测语料上进行实验,结果表明,与模式匹配和上下文比较等方法相比,该方法可使 F 值指标得到明显提升。     

基于症状构成成分的上下位关系自动抽取方法

针对症状间上下位关系具有较强结构特性的问题,提出一种基于症状构成成分的上下位关系自动抽取方法。首先,通过观察症状实体,发现症状可以切分为原子症状词、修饰词等八种成分,且成分的构成序列满足一定的规则。然后,利用词法分析系统和条件随机场模型对症状进行切分和成分标注。最后,把症状之间的关系抽取看作一个分类问题,选取症状成分的构成特征、词典特征以及通用特征作为分类算法的特征;基于多种分类算法训练模型,将症状间的关系分为上下位关系和非上下位关系。实验结果表明,当选用支持向量机算法,同时选用三类特征时,取得了最好的效果,准确率、召回率和F1值分别达到了82.68%、82.13%和82.40%。在此基础上,使用所提出的关系抽取算法,抽取了20619条上下位关系,构建了具有上下位关系的症状知识库。     

基于词典信息和网络百科的下位词获取

对中文下位词自动抽取方法进行研究,提出一种基于词典信息和网络百科的下位词获取方法,旨在构建一个较为完善的上下位词语知识库.基于词典信息的抽取方法利用《中文概念词典》和《中国分类主题词表》中蕴含的格式化信息获取上下位关系.基于网络百科的抽取方法利用维基百科、百度百科和互动百科,分析百科网页地址和内容格式,利用正则式抽取下位词语.对获取到的下位词进行自动过滤和人工校对,实验表明,与NLP&CC 2012上下位关系评测结果相比,本文方法取得较好效果.     

利用上下位关系的中文短文本分类

针对短文本长度短、描述信号弱的特点,提出了一种利用上下位关系的中文短文本分类框架。该框架首先利用“知网”确定训练文本中概念对的上下位关系,进而确定词语对的上下位关系,再将其用于扩展测试文本的特征向量,从而实现对测试文本的分类。实验表明：利用上下位关系能够改善短文本的分类性能。     

基于概念树的本体生成技术研究

本体最早源于对哲学的思辨,如今被计算机领域赋予了新的内涵和意义。在对本体技术深入研究的基础上,提出了基于概念树的本体生成技术。该技术面向企业级应用,能够快速、简洁、有效地生成所研究领域的本体,具有一定的通用性和较强的可扩展性。依据该技术设计实现的Ontology—Computer衣体在知识检索领域有较好的应用,可以有效地提高检索的查全率和查准率。