检索结果-内蒙古大学图书馆

第五届全国青年计算语言学研讨会

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

事件抽取是信息抽取领域一个重要的研究方向。本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,本... 详细信息

事件抽取是信息抽取领域一个重要的研究方向。本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,本文采用了基于最大熵的事件元素识别方法。在本文构建的语料库下。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

面向音乐领域的文本检索与挖掘系统

面向音乐领域的文本检索与挖掘系统

引用

第五届全国青年计算语言学研讨会

作者：付瑞吉秦兵刘挺哈尔滨工业大学计算机学院信息检索研究中心

本文介绍了一个面向音乐领域的文本检索与挖掘系统——八维音乐资讯,主要通过信息抽取技术,对音乐领域的大量半结构化和非结构化的文本进行深层次的挖掘,从中抽取出有价值的信息,转换为结构化数据,目的是为用户提供精准化、全方位的音... 详细信息

本文介绍了一个面向音乐领域的文本检索与挖掘系统——八维音乐资讯,主要通过信息抽取技术,对音乐领域的大量半结构化和非结构化的文本进行深层次的挖掘,从中抽取出有价值的信息,转换为结构化数据,目的是为用户提供精准化、全方位的音乐检索结果。该系统从人、物、时、空、评价、数量、事件和关系八个角度出发,集成了命名实体识别、关系抽取、事件抽取、倾向性分析、问答等多项自然语言处理和信息抽取技术。系统设计采用MVC架构,包括3层结构:模型层、控制层和视图层。总之,该系统将已有的信息抽取技术应用于音乐垂直检索系统,具有一定的新颖性和实际意义。

关键词：八维音乐信息抽取垂直搜索

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

基于主动学习的中文依存句法分析

引用

第十一届全国计算语言学学术会议

作者：陈鑫车万翔刘挺哈尔滨工业大学计算机学院信息检索研究中心

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,本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,本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。本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

基于中心语匹配的共指消解

引用

第六届全国信息检索学术会议

作者：黎耀炳张牧宇秦兵刘挺哈尔滨工业大学计算机学院信息检索研究中心

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,本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,本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

基于XML的语言技术平台

基于XML的语言技术平台

引用

第五届全国青年计算语言学研讨会

作者：李正华车万翔刘挺哈尔滨工业大学计算机学院信息检索研究中心

本文提出了一个基于XML数据表示的中文自然语言处理框架:语言技术平台(LanguageTechnology Platform,LTP)。LTP包括六个组成部分:基于LTML(Language Technology MarkupLanguage)的数据表示方法、基于LTML的语料库资源、面向中文的语言... 详细信息

本文提出了一个基于XML数据表示的中文自然语言处理框架:语言技术平台(LanguageTechnology Platform,LTP)。LTP包括六个组成部分:基于LTML(Language Technology MarkupLanguage)的数据表示方法、基于LTML的语料库资源、面向中文的语言处理模块、基于动态链接库(DLL)的应用程序接口、可视化工具、以及网络服务Web Service。LTP采用了分层的结构,涵盖了词法分析、句法分析以及语义分析等六项语言处理任务。LTP免费向学术界共享,很多研究单位已经在LTP基础上做出了科研成果。

关键词：语言技术平台语言处理模块可视化语料资源

来源：评论

学校读者我要写书评

暂无评论

面向作文自动评分的优美句识别

引用

中文信息学报 2018年第6期32卷 88-97页

作者：付瑞吉王栋王士进胡国平刘挺科大讯飞股份有限公司研究院安徽合肥518057 科大讯飞股份有限公司哈工大讯飞联合实验室北京100094 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

语言优美是学生写作能力中重要的一部分。该文提出一个面向作文自动评分的作文优美句识别任务,主要识别中学生中文作文中的优美句。相比传统文本分类任务,优美句识别更加难以用特征工程的方式解决。因此,该文提出一种基于卷积神经网络(C... 详细信息

语言优美是学生写作能力中重要的一部分。该文提出一个面向作文自动评分的作文优美句识别任务,主要识别中学生中文作文中的优美句。相比传统文本分类任务,优美句识别更加难以用特征工程的方式解决。因此,该文提出一种基于卷积神经网络(CNN)和双向长短时记忆(BiLSTM)网络的混合神经网络结构进行优美句识别,并和CNN、BiLSTM网络进行了对比。实验证明,混合神经网络的准确率最高,达到89.23%,F1值与BiLSTM相当,达到75.39%。此外,该文将优美句子特征用于作文自动评分任务,可使计算机评分和人工评分的大分差比例下降21.41%。

关键词：优美句识别深度神经网络作文自动评分

来源：评论

学校读者我要写书评

暂无评论

社会焦点透视镜系统——大数据视角下的舆情观测平台

引用

大数据 2016年第2期2卷 46-55页

作者：赵妍妍秦兵刘挺哈尔滨工业大学机电学院媒体技术与艺术系黑龙江哈尔滨150001 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

Web2.0时代的开启和社会媒体的不断发展,使得互联网上的数据规模呈爆炸性增长。网络大数据不仅为社会治理领域带来了新的契机,也对数据处理技术提出了巨大的挑战。构建了一个社会焦点透视镜系统,结合新浪微博数据,不仅能够实时提供每日... 详细信息

Web2.0时代的开启和社会媒体的不断发展,使得互联网上的数据规模呈爆炸性增长。网络大数据不仅为社会治理领域带来了新的契机,也对数据处理技术提出了巨大的挑战。构建了一个社会焦点透视镜系统,结合新浪微博数据,不仅能够实时提供每日的焦点事件及其情感分布展示,供舆情分析部门进行检测,还能够深层剖析焦点事件的情感分布原因和人群分布,协助社会治理领域进行策略的提出和实施。以"9·3阅兵"为例,呈现社会焦点透视镜系统深度剖析的结果展示。

关键词：网络大数据社会焦点透视镜焦点事件抽取情感分布

来源：评论

学校读者我要写书评

暂无评论

基于多特征融合的句子相似度计算

基于多特征融合的句子相似度计算

引用

全国第八届计算语言学联合学术会议

作者：赵妍妍秦兵刘挺张俐苏中哈尔滨工业大学计算机学院信息检索研究室哈尔滨150001 哈尔滨工业大学-IBM中国研究实验室哈尔滨150001 哈尔滨工业大学-IBM中国研究实验室哈尔滨150001 IBM中国研究中心北京100085

句子相似度计算在中文自然语言处理领域有着非常广泛的应用背景.本文通过对句子的深入分析,在分别对基于词特征,词义特征以及句法特征的句子相似度计算的基础上,提出一种基于多特征融合的句子相似度的计算方法.该方法通过对不同的特征... 详细信息

句子相似度计算在中文自然语言处理领域有着非常广泛的应用背景.本文通过对句子的深入分析,在分别对基于词特征,词义特征以及句法特征的句子相似度计算的基础上,提出一种基于多特征融合的句子相似度的计算方法.该方法通过对不同的特征加不同的权值来调节各个特征对相似度计算的贡献,从而使计算结果达到最优.该方法与其他方法相比,描述句子的信息更加全面,从而使句子相似度计算更加准确.

关键词：句子相似度多特征融合权值

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：