检索结果-内蒙古大学图书馆

中国数字医学 2023年第7期18卷 92-95页

作者：拉毛东只拥措周青才让加措于韬西藏大学信息科学技术学院藏文信息技术教育部工程研究中心西藏自治区藏文信息技术人工智能重点实验室拉萨850000

藏医三因学是藏医药领域的核心理论,构建藏医三因学本体知识库对藏医药相关领域知识库构建具有重要意义。以《藏医药基本术语标准》及相关的专业教材为知识范畴;使用Protégé5.5.0,Web本体语言(OWL)作为本体的语言描述,借助斯... 详细信息

藏医三因学是藏医药领域的核心理论,构建藏医三因学本体知识库对藏医药相关领域知识库构建具有重要意义。以《藏医药基本术语标准》及相关的专业教材为知识范畴;使用Protégé5.5.0,Web本体语言(OWL)作为本体的语言描述,借助斯坦福大学医学院开发的七步法来构建藏医三因学领域本体。用HermiT1.4.3.456进行推理完成一致性检验。实现了藏医三因学的知识推理和共享,对后期的藏医药相关领域知识图谱及知识库的研究具有参考价值,并且可为藏医药学习者提供参考。

关键词：藏医药三因学本体知识库

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制藏文乌金体古籍文字识别研究

引用

计算机技术与发展 2023年第10期33卷 163-168,208页

作者：童攀龙炳鑫拥措西藏大学信息科学技术学院西藏拉萨850000 西藏大学藏文信息技术人工智能西藏自治区重点实验室西藏拉萨850000 西藏大学藏文信息技术教育部工程研究中心西藏拉萨850000

藏文乌金体古籍文字识别是古籍文字识别领域的一个难题。针对藏文乌金体古籍中存在的文字粘连和背景复杂问题,提出一种基于注意力机制的藏文乌金体古籍文字识别方法。该方法主要包含两部分,编码器部分采用卷积神经网络(CNN)与双向长短... 详细信息

藏文乌金体古籍文字识别是古籍文字识别领域的一个难题。针对藏文乌金体古籍中存在的文字粘连和背景复杂问题,提出一种基于注意力机制的藏文乌金体古籍文字识别方法。该方法主要包含两部分,编码器部分采用卷积神经网络(CNN)与双向长短期记忆(Bi-LSTM)获得图像文本的特征序列和序列标注,解码器部分使用注意力机制计算注意力权重并与循环神经网络(RNN)相结合得出识别结果。采用实验室的616张藏文乌金体古籍作为实验数据集以及藏文字丁准确率作为实验评测指标。采用两种文字识别模型作为基线模型,从模型大小和识别率进行对比,文中识别模型在模型大小和识别效果上都优于其他两个模型,文中模型大小41.2 MB,相比基线模型中最小的优化了36 MB,字丁识别准确率90.55%,相比基线模型中最好的结果提高了7.94百分点。表明所提出的基于注意力机制的藏文乌金体古籍识别模型,显著提高了藏文乌金体古籍中的粘连文字和背景复杂图像的识别效果。

关键词：藏文古籍文字识别乌金体注意力机制字丁准确率

来源：评论

学校读者我要写书评

暂无评论

基于小样本学习的藏文命名实体识别

引用

计算机与现代化 2023年第5期 13-19页

作者：于韬张英拥措西藏大学信息科学技术学院西藏拉萨850000 西藏大学西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 西藏大学藏文信息技术教育部工程研究中心西藏拉萨850000

藏文命名实体识别是藏文自然语言处理领域的一项关键技术,其目的是识别文本中的人名、地名及组织机构名。在目前的研究中,深度学习方法需要大量的标注数据是制约模型性能的主要因素,因此本文提出基于小样本学习的藏文命名实体识别方法... 详细信息

藏文命名实体识别是藏文自然语言处理领域的一项关键技术,其目的是识别文本中的人名、地名及组织机构名。在目前的研究中,深度学习方法需要大量的标注数据是制约模型性能的主要因素,因此本文提出基于小样本学习的藏文命名实体识别方法。针对小样本数据量少导致模型无法充分学习实体特征的问题,本文提出实体特征信息融合方法,在训练过程中将实体位置信息、分词信息与藏文音节信息以维度拼接的方式进行特征融合,通过辅助信息增强实体特征,使得模型可以较好地学习藏文长实体的边界信息,并设计消融实验探究不同特征信息对模型效果的影响。实验结果表明,本文提出的方法有效提高了藏文小样本命名实体识别模型的准确率,相较于基线实验F1值总体提升了22.22~38个百分点。

关键词：小样本学习藏文命名实体识别实体特征信息融合

来源：评论

学校读者我要写书评

暂无评论

不同子词处理方法对机器翻译的影响研究

引用

电脑知识与技术 2024年第12期20卷 4-7,11页

作者：唐超超拥措仁青卓玛西藏大学信息科学技术学院西藏拉萨850000 西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 藏文信息技术教育部工程研究中心西藏拉萨850000

不同的子词处理方式和数据规模对神经机器翻译的效果有重要影响。因此,在优化神经机器翻译时需要考虑语言和数据资源的差异性。选择合适的子词处理方式是一个具有挑战性的任务。文章采用Transformer模型,在不同的数据配置和子词处理方... 详细信息

不同的子词处理方式和数据规模对神经机器翻译的效果有重要影响。因此,在优化神经机器翻译时需要考虑语言和数据资源的差异性。选择合适的子词处理方式是一个具有挑战性的任务。文章采用Transformer模型,在不同的数据配置和子词处理方式下进行实验,旨在探究它们对汉-藏、汉-英翻译模型性能的影响,以找到在低资源情况下最有效、合适的机器翻译策略。实验结果表明,在相同的实验条件下,汉-英方向使用字节对编码的sentencepiece方法达到了最好的效果。而汉-藏方向则与之相反,subword-nmt方法效果最佳,sentencepiece方法效果最差,甚至不如不使用子词处理的模型。

关键词：低资源机器翻译藏语 Transformer 子词

来源：评论

学校读者我要写书评

暂无评论

基于ASBC模型的藏文自动分词方法研究

引用

计算机与数字工程 2023年第6期51卷 1227-1230,1237页

作者：尹宗鹤尼玛次仁于韬拥措西藏大学信息科学技术学院拉萨850000 西藏大学藏文信息技术教育部工程研究中心拉萨850000 西藏自治区藏文信息技术人工智能重点实验室拉萨850000

藏文分词是藏文自然语言处理的前提工作,其效果将影响藏文自然语言处理的下游任务。神经网络的兴起,使结合预训练语言模型的深度学习方法成为分词研究的主流。针对传统神经网络获取语义信息有限的问题,论文利用大规模藏文语料库构建ALB... 详细信息

藏文分词是藏文自然语言处理的前提工作,其效果将影响藏文自然语言处理的下游任务。神经网络的兴起,使结合预训练语言模型的深度学习方法成为分词研究的主流。针对传统神经网络获取语义信息有限的问题,论文利用大规模藏文语料库构建ALBERT预训练语言模型,同时引入藏文音节特征融合的方法,提出了基于深度学习的ALBERT预训练与音节特征融合的双向长短时记忆条件随机场藏文分词模型(ALBERT-Syllable-BiLSTM-CRF,ASBC)。实验在多主题数据集上进行,主要验证了ALBERT预训练语言模型和音节特征融合对藏文分词的有效性,最终模型分词效果得到明显提升。

关键词：藏文自动分词预训练 ALBERT 音节特征融合

来源：评论

学校读者我要写书评

暂无评论

基于数据增强的藏汉神经机器翻译研究

引用

计算机与数字工程 2022年第11期50卷 2473-2477页

作者：杨丹孙义栋拥措西藏大学信息科学技术学院拉萨850000 西藏自治区藏文信息技术人工智能重点实验室拉萨850000 藏文信息技术教育部工程研究中心拉萨850000

藏汉机器翻译有利于加强民族团结,有利于推进藏文信息化技术发展与突破不同语言之间的语言壁垒。藏汉神经机器翻译已经在很多翻译任务上获得了显著的提升效果,但它需要大规模的平行语料库作为支撑,而平行语料一直以来都面临着低资源语... 详细信息

藏汉机器翻译有利于加强民族团结,有利于推进藏文信息化技术发展与突破不同语言之间的语言壁垒。藏汉神经机器翻译已经在很多翻译任务上获得了显著的提升效果,但它需要大规模的平行语料库作为支撑,而平行语料一直以来都面临着低资源语种匮乏的困境。论文希望通过同义词替换和回译两种数据增强策略的研究,为低资源条件下的藏汉机器翻译提供一个研究思路,从而促进藏区社会的发展。通过测试,藏汉机器翻译平均提升了4.59个BLEU值。

关键词：藏汉神经机器翻译数据增强同义词替换回译

来源：评论

学校读者我要写书评

暂无评论

基于组块的藏文依存句法分析及自动标注方法

引用

高原科学研究 2024年第1期8卷 102-111页

作者：达瓦追玛曹玺尼玛扎西群诺道吉扎西西藏大学信息科学技术学院西藏拉萨850000 西藏大学西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 西藏大学藏文信息技术教育部工程研究中心西藏拉萨850000 西藏大学西藏信息化省部共建协同创新中心西藏拉萨850000

依存句法分析是自然语言处理领域核心技术之一,旨在通过分析句子中词语之间的依存关系来确定句法结构。目前,藏文依存句法分析研究面临着长句解析困难和粗粒度依存转化映射不全面等问题。为此,文章提出一种基于组块和细粒度词性匹配规... 详细信息

依存句法分析是自然语言处理领域核心技术之一,旨在通过分析句子中词语之间的依存关系来确定句法结构。目前,藏文依存句法分析研究面临着长句解析困难和粗粒度依存转化映射不全面等问题。为此,文章提出一种基于组块和细粒度词性匹配规则的藏文依存句法分析及自动标注方法。该方法首先完善了藏文依存句法标注体系,并基于该标注体系人工标注数据集,提取词性匹配规则,进而通过藏文句子组块识别,提高了长句解析的准确性,最后实现了一个藏文依存句法自动标注原型系统TDParser,并构建了含7335条依存句法的藏文依存句法树库。通过实验证明了TDParser的性能及自动标注数据的有效性。

关键词：藏文依存句法分析组块自动标注

来源：评论

学校读者我要写书评

暂无评论

基于领域术语词典和句式框架的藏汉机器翻译领域数据增强方法研究

引用

高原科学研究 2024年第3期8卷 92-101,132页

作者：格桑加措尼玛扎西嘎玛扎西次仁白玛步寅硕西藏大学信息科学技术学院西藏拉萨850000 西藏大学西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 西藏大学藏文信息技术教育部工程研究中心西藏拉萨850000 西藏大学西藏信息化省部共建协同创新中心西藏拉萨850000

藏汉机器翻译系统在新闻、时政等领域已经取得了显著的翻译效果,这主要归功于建立了相对充足的双语句对。然而,现有藏汉双语语料中存在较大的领域偏差问题,藏医、佛学等领域的数据极度稀缺,导致藏汉翻译模型在处理这些低资源领域句对时... 详细信息

藏汉机器翻译系统在新闻、时政等领域已经取得了显著的翻译效果,这主要归功于建立了相对充足的双语句对。然而,现有藏汉双语语料中存在较大的领域偏差问题,藏医、佛学等领域的数据极度稀缺,导致藏汉翻译模型在处理这些低资源领域句对时面临着领域词汇稀缺和翻译困难的挑战。为了解决这一问题,充分利用现有领域术语双语词典,提出了一种基于词典结合特定领域上下文语义关系的翻译质量提升方法,并应用于传统藏医药领域。首先,收集并建立了包含9166对词条的藏医领域术语双语词典,并利用该词典扩充低资源领域的数据,以提高翻译系统对于特定领域术语的覆盖率;其次,将词典中的词对直接添加到已有句对中、领域词典中的词来替换原有句对中的词两种方式进行数据扩充,以验证词典扩充的领域翻译性能;最后,考虑到领域特定句式信息对于翻译的重要性,通过分析特定领域的语境和语义关系,提出引入特定领域上下文句式框架来优化特殊领域的翻译性能,在传统藏医药领域进行测试。实验结果表明,在利用词典进行数据扩充后,传统藏医药领域的BLEU值从0提升到4.59,且文章提出的领域句式框架方法,仅构造5条句式框架,就能使BLEU值最高提升至6.32,这为解决低资源领域翻译问题提供了新的思路和方法。

关键词：藏汉机器翻译领域数据不平衡领域句式框架术语双语词典

来源：评论

学校读者我要写书评

暂无评论

一种多方法融合的藏语情感词典构建方法

引用

高原科学研究 2024年第2期8卷 96-105页

作者：才让东知尼玛扎西达瓦追玛道吉扎西西藏大学信息科学技术学院西藏拉萨850000 西藏大学西藏自治区藏文信息技术人工智能重点实验室西藏拉萨850000 西藏大学藏文信息技术教育部工程研究中心西藏拉萨850000 西藏大学西藏信息化省部共建协同创新中心西藏拉萨850000

深度学习在藏语情感分析领域备受关注,相较于传统机器学习方法其表现更出色。然而,构建藏语情感词典仍面临着挑战,如词汇量不足、过度依赖机器翻译系统、词典匹配源单一、缺少口语情感词典等。为解决上述问题,文章提出了一种多方法融合... 详细信息

深度学习在藏语情感分析领域备受关注,相较于传统机器学习方法其表现更出色。然而,构建藏语情感词典仍面临着挑战,如词汇量不足、过度依赖机器翻译系统、词典匹配源单一、缺少口语情感词典等。为解决上述问题,文章提出了一种多方法融合的藏语情感词典构建方法。首先,统计并分析已有情感词标注规则后提出了一种藏语情感词的标注规则作为情感词分类的主要依据;其次,提出了一种多词典匹配的藏语情感词典构建方法构建了藏语基准情感词典,为了扩大基准情感词典的规模,利用SO-PMI和基于word2vec词向量相似度扩充方法对基准词典进行词汇扩充,并且利用藏语3大方言的口语词典经人工筛选后构建了藏语口语情感词典;然后,将基准词典和扩充词典合并去重后得到了《藏语书面语与口语情感词典》;最后,为了证明本文方法的可行性和所构建词典的可用性而进行了藏语情感词典性能评估实验;实验中准确率、召回率、F值分别为60.80%、90.31%、72.67%,达到了较好的应用水平,验证了多方法融合的藏语情感词典构建方法的可行性。

关键词：藏语 SO-PMI 情感词典多词典匹配扩充词典

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：