检索结果-内蒙古大学图书馆

中文信息学报 2013年第3期27卷 100-106页

作者：丁宇车万翔刘挺张梅山哈尔滨工业大学计算机学院社会计算与信息检索研究中心黑龙江哈尔滨150001

词典是汉语自然语言处理中非常重要的一类资源,它能为汉语词法句法以及语义分析等提供资源支撑。该文采用众包方法构建汉语语义相关性词典,该词典是通过触发词联想的方式间接获取的,因此又称为词汇联想网络。词汇联想网络相比传统词典... 详细信息

词典是汉语自然语言处理中非常重要的一类资源,它能为汉语词法句法以及语义分析等提供资源支撑。该文采用众包方法构建汉语语义相关性词典,该词典是通过触发词联想的方式间接获取的,因此又称为词汇联想网络。词汇联想网络相比传统词典具有以下特点:(1)获取代价低;(2)面向互联网,易扩展;(3)词语关系从人的认知角度来建立,符合人的直觉。该文详细介绍词汇联想网络的获取方法并对已获取的数据进行分析,另外,将词汇联想网络与《知网》、《同义词词林》以及微博文本ngram进行比较说明其上述特点。

关键词：众包语义相关性词典词汇联想网络

来源：评论

学校读者我要写书评

暂无评论

文本情感分析

引用

软件学报 2010年第8期21卷 1834-1848页

作者：赵妍妍秦兵刘挺哈尔滨工业大学计算机科学与技术学院信息检索研究中心黑龙江哈尔滨150001

对文本情感分析的研究现状与进展进行了总结.首先将文本情感分析归纳为3项主要任务,即情感信息抽取、情感信息分类以及情感信息的检索与归纳,并对它们进行了细致的介绍和分析;进而介绍了文本情感分析的国内外评测和资源建设情况;最后介... 详细信息

对文本情感分析的研究现状与进展进行了总结.首先将文本情感分析归纳为3项主要任务,即情感信息抽取、情感信息分类以及情感信息的检索与归纳,并对它们进行了细致的介绍和分析;进而介绍了文本情感分析的国内外评测和资源建设情况;最后介绍了文本情感分析的应用.重在对文本情感分析研究的主流方法和前沿进展进行概括、比较和分析.

关键词：文本情感分析情感信息抽取情感信息分类情感信息的检索与归纳评测资源建设

来源：评论

学校读者我要写书评

暂无评论

基于感知器的中文分词增量训练方法研究

引用

中文信息学报 2015年第5期29卷 49-54页

作者：韩冰刘一佳车万翔刘挺哈尔滨工业大学计算机学院社会计算与信息检索研究中心黑龙江哈尔滨150001

该文提出了一种基于感知器的中文分词增量训练方法。该方法可在训练好的模型基础上添加目标领域标注数据继续训练,解决了大规模切分数据难于共享,源领域与目标领域数据混合需要重新训练等问题。实验表明,增量训练可以有效提升领域适应性... 详细信息

该文提出了一种基于感知器的中文分词增量训练方法。该方法可在训练好的模型基础上添加目标领域标注数据继续训练,解决了大规模切分数据难于共享,源领域与目标领域数据混合需要重新训练等问题。实验表明,增量训练可以有效提升领域适应性,达到与传统数据混合相类似的效果。同时该文方法模型占用空间小,训练时间短,可以快速训练获得目标领域的模型。

关键词：中文分词领域适应增量训练

来源：评论

学校读者我要写书评

暂无评论

统计与词典相结合的领域自适应中文分词

引用

中文信息学报 2012年第2期26卷 8-12页

作者：张梅山邓知龙车万翔刘挺哈尔滨工业大学计算机学院社会计算与信息检索研究中心黑龙江哈尔滨150001

基于统计的中文分词方法由于训练语料领域的限制,导致其领域自适应性能力较差。相比分词训练语料,领域词典的获取要容易许多,而且能为分词提供丰富的领域信息。该文通过将词典信息以特征的方式融入到统计分词模型(该文使用CRF统计模型)... 详细信息

基于统计的中文分词方法由于训练语料领域的限制,导致其领域自适应性能力较差。相比分词训练语料,领域词典的获取要容易许多,而且能为分词提供丰富的领域信息。该文通过将词典信息以特征的方式融入到统计分词模型(该文使用CRF统计模型)中来实现领域自适应性。实验表明,这种方法显著提高了统计中文分词的领域自适应能力。当测试领域和训练领域相同时,分词的F-measure值提升了2%;当测试领域和训练领域不同时,分词的F-measure值提升了6%。

关键词：中文分词 CRF 领域自适应

来源：评论

学校读者我要写书评

暂无评论

基于主动学习的中文依存句法分析

引用

中文信息学报 2012年第2期26卷 18-22页

作者：车万翔张梅山刘挺哈尔滨工业大学计算机学院社会计算与信息检索研究中心黑龙江哈尔滨150001

目前依存句法分析仍主要采用有指导的机器学习方法,即需要大规模高质量的树库作为训练语料,而现阶段中文依存树库资源相对较少,树库标注又是一件费时费力的工作。面对大量未标注语料,该文将主动学习应用到中文依存句法分析,优先选择句... 详细信息

目前依存句法分析仍主要采用有指导的机器学习方法,即需要大规模高质量的树库作为训练语料,而现阶段中文依存树库资源相对较少,树库标注又是一件费时费力的工作。面对大量未标注语料,该文将主动学习应用到中文依存句法分析,优先选择句法模型预测不准的实例交由人工标注。该文提出并比较了多种衡量依存句法模型预测可信度的准则。实验表明,一方面,与随机选择标注实例相比,当使用相同数目训练实例时,主动学习使中文依存分析性能最高提升0.8%;另一方面,主动学习使依存分析达到相同准确率时只需标注更少量实例,人工标注量最多可减少30%。

关键词：主动学习依存句法不确定性度量委员会投票

来源：评论

学校读者我要写书评

暂无评论

基于中心语匹配的共指消解

引用

中文信息学报 2011年第3期25卷 3-8页

作者：张牧宇黎耀炳秦兵刘挺哈尔滨工业大学计算机学院信息检索研究中心黑龙江哈尔滨150001

共指消解是自然语言处理的核心任务之一。在传统机器学习方法使用的平面特征基础上,该文提出一种利用中心语信息的新方法。该方法首先引进一种基于简单平面特征的实例匹配算法用于共指消解。在此基础上,又引入了先行语与照应语的中心语... 详细信息

共指消解是自然语言处理的核心任务之一。在传统机器学习方法使用的平面特征基础上,该文提出一种利用中心语信息的新方法。该方法首先引进一种基于简单平面特征的实例匹配算法用于共指消解。在此基础上,又引入了先行语与照应语的中心语字符串作为新特征,并提出一种竞争模式对将中心语约束融合进实例匹配算法,提升了消解效果。该方法与其他只使用平面特征的传统机器学习方法相比,能充分地利用每一个训练实例的特征信息,进一步融合中心语字符串特征使消解效果更加准确。

关键词：中心语匹配实例匹配共指消解

来源：评论

学校读者我要写书评

暂无评论

音乐领域典型事件抽取方法研究

引用

中文信息学报 2011年第2期25卷 15-20页

作者：丁效宋凡秦兵刘挺哈尔滨工业大学计算机学院信息检索研究中心黑龙江哈尔滨150001

事件抽取是信息抽取领域一个重要的研究方向。该文从音乐领域的事件抽取出发,通过领域事件词聚类的方法自动发现音乐领域具有代表性的事件,然后采用基于关键词与触发词相结合的过滤方法简化了事件类型的识别过程。在事件元素识别中,该... 详细信息

事件抽取是信息抽取领域一个重要的研究方向。该文从音乐领域的事件抽取出发,通过领域事件词聚类的方法自动发现音乐领域具有代表性的事件,然后采用基于关键词与触发词相结合的过滤方法简化了事件类型的识别过程。在事件元素识别中,该文采用了基于最大熵的事件元素识别方法。在该文构建的语料库下,最终事件类型识别的平均F值达到82.82%,事件元素识别的平均F值达到75.79%。

关键词：事件抽取事件类型发现事件类型识别事件元素识别

来源：评论

学校读者我要写书评

暂无评论

基于话题和修辞识别的阅读理解why型问题回答

引用

计算机研究与发展 2011年第2期48卷 216-223页

作者：张志昌张宇刘挺李生哈尔滨工业大学计算机学院信息检索研究中心哈尔滨150001 西北师范大学数学与信息科学学院兰州730070

针对阅读理解问答中的why型问题,提出基于问题话题和话题间因果修辞关系识别的答案句抽取方法.抽取时利用机器学习方法,选择可识别出对应问题话题的句子特征、问题话题与句子上下文之间因果关系特征,对篇章内的句子按照成为答案句的概... 详细信息

针对阅读理解问答中的why型问题,提出基于问题话题和话题间因果修辞关系识别的答案句抽取方法.抽取时利用机器学习方法,选择可识别出对应问题话题的句子特征、问题话题与句子上下文之间因果关系特征,对篇章内的句子按照成为答案句的概率进行排序.对应问题话题的句子识别利用基于idf和语义角色的相似度;因果修辞关系的识别利用线索短语、特定语义角色、从文档集中挖掘的词间蕴含的因果关系概率信息、句子上下文的位置与表达形式.Remedia语料上的实验结果表明,该方法明显提高了why型问题回答的性能.

关键词： why型问题话题修辞关系答案抽取阅读理解

来源：评论

学校读者我要写书评

暂无评论

聊天机器人中用户出行消费意图识别方法

引用

中国科学：信息科学 2017年第8期47卷 997-1007页

作者：钱岳丁效刘挺陈毅恒哈尔滨工业大学计算机科学与技术学院信息检索研究中心哈尔滨150001

聊天机器人中的出行消费意图是指用户为了满足出行的需要,通过文本表达出对出行类产品或者服务的购买意愿.识别出用户的消费意图可以进行相应的产品推荐,增强用户体验.传统的消费意图识别主要使用基于模板匹配或者基于人工特征集合的机... 详细信息

聊天机器人中的出行消费意图是指用户为了满足出行的需要,通过文本表达出对出行类产品或者服务的购买意愿.识别出用户的消费意图可以进行相应的产品推荐,增强用户体验.传统的消费意图识别主要使用基于模板匹配或者基于人工特征集合的机器学习方法,这类方法费时费力,扩展性不强.本文将出行消费意图识别任务看成一个分类问题,结合深度学习方法识别用户的出行消费意图,该方法不需要人工构造特征集合或匹配模板.具体而言,本文构建了基于卷积的长短期记忆神经网络(Convolutional-LSTM)模型进行出行消费意图识别,首先通过卷积神经网络(CNN)对用户的聊天文本进行特征抽取,随后进行特征组合并送入长短记忆神经网络(LSTM)进行特征表示学习,最后输出分类结果.实验结果表明,在出行消费意图识别任务上,基于Convolutional-LSTM的模型在F值上优于最好的基线方法 2个百分点.

关键词：出行消费意图识别机器学习深度学习卷积神经网络长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于词语关联度的查询缩略

引用

中文信息学报 2014年第4期28卷 104-110页

作者：陈炜鹏付瑞吉胡熠秦兵刘挺哈尔滨工业大学计算机科学与技术学院社会计算与信息检索研究中心黑龙江哈尔滨150001 腾讯公司搜索平台部广东深圳518057

冗长查询指用户提交的句子成份复杂的查询。当前的搜索引擎对于关键字的检索取得了较好的结果。但是对于冗长的查询,如果将所有词作为关键字进行检索,往往只能返回相当有限的结果。我们尝试利用关键词之间的词语关联度,发现语义蕴含,删... 详细信息

冗长查询指用户提交的句子成份复杂的查询。当前的搜索引擎对于关键字的检索取得了较好的结果。但是对于冗长的查询,如果将所有词作为关键字进行检索,往往只能返回相当有限的结果。我们尝试利用关键词之间的词语关联度,发现语义蕴含,删除"信息量"小的关键词,提高检索的效果。对于实验结果,我们分别从"面向机器"和"面向用户"两个角度进行评价。在"面向机器"的评价部分,我们根据搜索引擎返回结果的标红率和结果数进行自动评价;在"面向用户"的评价部分,我们对搜索结果文档进行人工评价。实验结果表明,我们的方法能够明显提高检索结果的数量和质量。

关键词：查询缩略词语关联度评价方式

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：