检索结果-内蒙古大学图书馆

计算机技术与发展 2019年第6期29卷 181-185页

作者：林江豪顾也力周咏梅阳爱民陈锦广东外语外贸大学广东广州510006 广东外语外贸大学语言工程与计算实验室广东广州510006 广东外语外贸大学信息科学与技术学院广东广州510006

情感词典是文本情感分析的基础资源。利用表情符号明显的情感表达作用,提出一种基于种子表情符和SO-PMI算法结合的情感词典构建方法。选择44个情感明显、内容丰富的表情符号词作为种子情感集合。构建过程融合了TF-IDF值在词汇重要程度... 详细信息

情感词典是文本情感分析的基础资源。利用表情符号明显的情感表达作用,提出一种基于种子表情符和SO-PMI算法结合的情感词典构建方法。选择44个情感明显、内容丰富的表情符号词作为种子情感集合。构建过程融合了TF-IDF值在词汇重要程度的度量作用,有效选择候选情感词集。基于SO-PMI算法,在大量语料中计算候选情感词汇与种子表情符号之间的情感共现信息,进而确定词汇的情感权值和极性。在500万条微博语料中,计算并构建情感词典SentiNet,共有情感词汇13814个,其中正向词汇6885个,负向词汇6929个。将SentiNet应用于微博文本情感分析任务中,实验结果表明,SentiNet能实现情感词的情感表示,并可应用于大规模的微博语料情感分析任务。该方法融合了情感词的重要度衡量优势和种子表情符号集的情感表达优势,证明了获得的情感权值有效。

关键词：情感词典情感词情感权值种子表情符号 SO-PMI TF-IDF

来源：评论

学校读者我要写书评

暂无评论

汉英篇章结构平行语料库的对齐标注评估

引用

中文信息学报 2017年第3期31卷 86-93页

作者：冯文贺李艳翠任函周国栋广东外语外贸大学语言工程与计算实验室广东广州510006 河南科技学院中文系河南新乡453003 河南科技学院信息工程学院河南新乡453003 苏州大学计算机学院江苏苏州215006

汉英篇章结构平行语料库是为汉英翻译文本标注对齐篇章结构信息的语料库,对齐标注是其核心工作,基本原则是"结构对齐、关系对齐"。该文基于所开发的对齐标注平台,进行人工对齐标注实验,提出切分对齐、结构对齐、关系对齐、连... 详细信息

汉英篇章结构平行语料库是为汉英翻译文本标注对齐篇章结构信息的语料库,对齐标注是其核心工作,基本原则是"结构对齐、关系对齐"。该文基于所开发的对齐标注平台,进行人工对齐标注实验,提出切分对齐、结构对齐、关系对齐、连接词对齐、关系角色与中心对齐等对齐标注任务的评估方法,并给出评估分析。实验表明,对齐标注是构建汉英篇章结构平行语料库的合理、有效工作方式。

关键词：篇章结构平行语料库对齐标注结构对齐对齐评估

来源：评论

学校读者我要写书评

暂无评论

英语花园幽径句的线性剖析:基于斯坦福解析器的分析

引用

鲁东大学学报（哲学社会科学版） 2017年第5期34卷 39-46页

作者：杜家利于屏方广东外语外贸大学语言工程与计算实验室南京210093 南京大学外国语学院南京210093 广东外语外贸大学中国语言文化学院广州510420

本文讨论了美国斯坦福解析器在英语花园幽径句线性剖析中的不足。斯坦福解析器在句法上采用词汇化的概率上下文无关语法,在语义上使用词汇化的依存分析,其概率策略的使用极大地提高了系统剖析的效率和能力。但是,这种概率分析器在处理... 详细信息

本文讨论了美国斯坦福解析器在英语花园幽径句线性剖析中的不足。斯坦福解析器在句法上采用词汇化的概率上下文无关语法,在语义上使用词汇化的依存分析,其概率策略的使用极大地提高了系统剖析的效率和能力。但是,这种概率分析器在处理具有局部歧义效应的英语花园幽径句时却出现了系统性错位。本文从词类标注、句法剖析和依存关系分析入手,对低概率的英语花园幽径句的系统剖析错位进行了较全面的分析。结论是:斯坦福解析器对低概率英语花园幽径句的线性剖析不敏感,容易受句式的线性发展关系和认知模式的影响,其解码效率尚有提高的余地。

关键词：计算语言学花园幽径模式行进错位局部歧义斯坦福解析器

来源：评论

学校读者我要写书评

暂无评论

“不+X”结构的极性特点及其词典立目分析--以《现代汉语词典》第7版为例

引用

辞书研究 2018年第2期 18-28页

作者：杜家利于屏方广东外语外贸大学语言工程与计算实验室广州510420 南京大学外国语学院江苏210093 广东外语外贸大学中国语言文化学院广州510420

现代汉语中的部分词汇表现出一定程度的极性敏感性,其中负极性项总是出现在否定语境中,通常形成"不+X"结构。在"不+X"结构的立目问题上,《现代汉语词典》共有三种情况:从"不+X"结构中析出"X"... 详细信息

现代汉语中的部分词汇表现出一定程度的极性敏感性,其中负极性项总是出现在否定语境中,通常形成"不+X"结构。在"不+X"结构的立目问题上,《现代汉语词典》共有三种情况:从"不+X"结构中析出"X"立目、"不+X"整体立目、"不+X"结构与"X"同时立目。文章认为,负极性项的极性程度有所不同,与否定前缀结合的紧密程度也有差异,其词汇化程度并不一致。在词典立目中,分属词汇层面的负极性项与语法层面的负极性项需要区别对待。

关键词：极性项负极性项 “不+X”结构结构义

来源：评论

学校读者我要写书评

暂无评论

快速形式匹配及其性能评价分析

引用

电脑知识与技术 2016年第7期12卷 162-168页

作者：于俊婷刘伍颖易绵竹何宏业洛阳外国语学院河南洛阳471003 广东外语外贸大学语言工程与计算实验室广东广州510420

句子匹配问题及其评价极具研究价值。本文针对存在天然空格分隔符的语言提出一种快速形式匹配算法,该算法将字符进行打包,充分利用单词中字符的内聚性,使源句子与目标句子在形式上进行快速匹配,有效提高匹配性能,缩短匹配时间。我们在... 详细信息

句子匹配问题及其评价极具研究价值。本文针对存在天然空格分隔符的语言提出一种快速形式匹配算法,该算法将字符进行打包,充分利用单词中字符的内聚性,使源句子与目标句子在形式上进行快速匹配,有效提高匹配性能,缩短匹配时间。我们在双语句子数据集上进行了实验,并采用BLEU、ROUGE_L和ROUGE_S三种评价指标进行评价。实验结果表明快速形式匹配能够在缩短87.6%时间的前提下将传统Levenshtein匹配的平均BLEU4值提升12.5%,ROUGE_L的F值提升17.7%,ROUGE_S的F值提升16.0%;在进行句子匹配性能评价时,ROUGE_L能够以较短的时间获取较高的性能评估值,性能最优,BLEU性能次之,ROUGE_S性能第三。

关键词：快速形式匹配 BLEU4 ROUGE_L ROUGE_S 评价

来源：评论

学校读者我要写书评

暂无评论

基于音频指纹特征的高效音乐检索方法

引用

武警工程大学学报 2018年第4期34卷 27-32页

作者：赵修文刘伍颖李甫玉黄心怡武警新疆总队乌鲁木齐830063 广东外语外贸大学语言工程与计算实验室广州510420 广东外语外贸大学网络空间安全学院广州510420

随着移动智能终端的普及，如何根据输入音频内容进行音乐检索成为了极具科学意义和实用价值的研究热点问题。结合探索基于音频指纹特征的高效音乐检索方法，设计了结构化良好的数据结构、音频特征提取和匹配算法，并在安卓操作系统上实... 详细信息

随着移动智能终端的普及，如何根据输入音频内容进行音乐检索成为了极具科学意义和实用价值的研究热点问题。结合探索基于音频指纹特征的高效音乐检索方法，设计了结构化良好的数据结构、音频特征提取和匹配算法，并在安卓操作系统上实现了音乐识别，实验结果证明了该数据结构和算法的有效性和高效性。

关键词：音乐检索音频指纹听音识曲移动智能终端安卓操作系统

来源：评论

学校读者我要写书评

暂无评论

汉语篇章依存结构的标注难点与处理

汉语篇章依存结构的标注难点与处理

引用

第十八届中国计算语言学大会暨中国中文信息学会2019学术年会

作者：冯文贺徐钰仪李青春广东外语外贸大学语言工程与计算实验室广州 510006 广东外语外贸大学中文学院广州 510006

篇章依存结构一般地表示为最小篇章单位(小句)间的支配与被支配关系,相比修辞结构等其可以有效刻画最小篇章单位间直接关系及其向心性.篇章依存结构的理论内涵及具体实践有待深入.本文结合汉语篇章依存结构语料库的标注实践,重点分析标... 详细信息

篇章依存结构一般地表示为最小篇章单位(小句)间的支配与被支配关系,相比修辞结构等其可以有效刻画最小篇章单位间直接关系及其向心性.篇章依存结构的理论内涵及具体实践有待深入.本文结合汉语篇章依存结构语料库的标注实践,重点分析标注难点问题并给出处理方案,包括小句切分、小句关联、依存中心等重要分析任务.事实上,这些难点不仅是人工标注的难点,也是自动标注的难点,其处理不仅有利于指导构建高质量语料库,也有利于指导进一步的自动标注研究.

关键词：汉语篇章依存结构自动标注研

来源：评论

学校读者我要写书评

暂无评论

中文图文数据集构建

引用

武汉大学学报（理学版） 2020年第3期66卷 253-260页

作者：邓洲刘茂福胡慧君冯文贺武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 广东外语外贸大学语言工程与计算实验室广东广州510420

为了从更深层次语义信息来描述图像,定义了图像、文本、事件文本、事件图、图像关键要素和文本关键要素六元组,以六元组为对象建立了中文图文数据集。基于事件语义模型与事件语义标注规范,在对采集的图像文本标注事件语义角色与事件关... 详细信息

为了从更深层次语义信息来描述图像,定义了图像、文本、事件文本、事件图、图像关键要素和文本关键要素六元组,以六元组为对象建立了中文图文数据集。基于事件语义模型与事件语义标注规范,在对采集的图像文本标注事件语义角色与事件关系的基础上,采用事件图对其语义进行形式化表示。对该中文图文数据集的统计分析表明,该数据集中各个事件语义角色都有所涉及且分布适中,图文对应区域数量相对句子长度表现适中,图文对数据质量较高。

关键词：图像标题生成事件语义角色图文数据集事件图

来源：评论

学校读者我要写书评

暂无评论

一种基于特征簇的微博短文本情感分类方法

一种基于特征簇的微博短文本情感分类方法

引用

中国中文信息学会2015学术年会(CIPS2015)暨第十四届全国计算语言学学术会议(CCL2015)、第三届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD2015)

作者：周咏梅王伟阳爱民林江豪方泽锋广东外语外贸大学思科信息学院广东广州510006 广东外语外贸大学语言工程与计算实验室广东广州510006 广东外语外贸大学思科信息学院广东广州510006 广东外语外贸大学财务处广东广州510420

针对由微博短文本特征规模大、自身特征较少等特点导致的数据稀疏性,提出一种基于特征簇的微博情感分类方法.提出的分类方法以大规模语料库为基础,利用word2vec模型学习词语之间潜在的语义关联,将单个词语表示成多维向量的形式;结合情... 详细信息

针对由微博短文本特征规模大、自身特征较少等特点导致的数据稀疏性,提出一种基于特征簇的微博情感分类方法.提出的分类方法以大规模语料库为基础,利用word2vec模型学习词语之间潜在的语义关联,将单个词语表示成多维向量的形式;结合情感词典,提取出微博文本的情感特征集,在基于词向量计算词语相似度方法的基础上,将情感特征合并为特征簇,以此构造低维的文本向量;最后利用机器学习算法,构建情感分类器,实现微博短文本的情感分类.实验结果表明,本文提出的方法对情感特征的降维是可行和有效的,并且取得很好的情感分类效果.

关键词：文本处理情感分类机器学习情感词典

来源：评论

学校读者我要写书评

暂无评论

基于多任务联合稀疏表示的水稻叶片病害自动识别算法

引用

仲恺农业工程学院学报 2017年第2期30卷 40-44页

作者：李键红吴亚榕广东外语外贸大学语言工程与计算实验室广东广州510006 仲恺农业工程学院科学技术处广东广州510225

在水稻(Oryza sativa L.)病害自动识别技术中,针对不同种类病害在抽取到相似特征的情况下,病害难于区分,甚至做出错误判断,从而降低识别率的问题,提出了多任务联合稀疏表示的水稻叶片病害自动识别算法.该算法将单一病害特征的识别过程看... 详细信息

在水稻(Oryza sativa L.)病害自动识别技术中,针对不同种类病害在抽取到相似特征的情况下,病害难于区分,甚至做出错误判断,从而降低识别率的问题,提出了多任务联合稀疏表示的水稻叶片病害自动识别算法.该算法将单一病害特征的识别过程看作"任务",要求这些"任务"特征在同一个训练数据集合的对应特征字典下能够稀疏表示,同时不同"任务"的稀疏表示系数向量具有相似的结构,从而实现了利用不同"任务"间的相互关系提高判断的准确率.同时这种算法使得病害的识别通过一次处理完成,避免了传统方法多次判断所引入的误差.实验表明,该算法能够充分挖掘不同特征类型间的关系,从而提高了识别的效率.

关键词：多任务学习联合稀疏表示特征提取病害识别水稻(Oryza sativa L.)

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：