基于双语句对语料库的词对齐模型

来源 :第二届全国学生计算语言学研讨会 | 被引量 : 0次 | 上传用户:LittleCam
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
英汉词对齐技术中经常会遇到非登录词和因汉语的多样性和灵活性而产生的不利因素,直接或间接影响双语句对中词对齐的质量;但其本身具有的信息有利于改善词对齐质量.本文就是希望通过建立基于双语句对语料库的词对齐模型将句对之间的信息加以改进.主要包括:吕学强在其博士论文中提出的最小求交和最小求差模型以及这两种的混合模型(Ⅰ,Ⅱ)<[1]>.试验得出在特定词频条件下,混和模型(Ⅰ)具有相对较佳的效果,正确率达到0.7862﹪,召回率达到0.7558﹪,F1值达到0.7708﹪.
其他文献
本文研究了三维地磁导航的算法,并把地磁导航与陀螺仪导航两种姿态测量方法进行了比较。在此基础上给出一种中低精度地磁导航系统的硬件设计方案,并介绍了系统所用磁阻传感器的使用方法及注意事项,提出了环境磁场的补偿算法,同时对姿态测量误差进行了估计。
本研究实现了利用MSP430低功耗单片机进行外围接口扩展,用TMS3205402DSP芯片进行数据采集,并通过HPI进行CPU间通信的双处理器的数据采集与处理系统。该系统能够进行多路数据采集和实时处理,能够通过液晶显示工作状态和处理结果,能够通过USB和串口与上位机通信进行数据交换,具有功能完善、性价比高、功耗低、易扩展等特点。
本文介绍了一款基于USB总线的高速数据采集系统,介绍了其硬件组成和软件设计。系统采用了Cypress公司的带有USB接口的EZ-USBFX2单片机系列芯片中的CY7C68013作为数据采集与控制芯片,具有比较简单的接口和控制方法。该系统已经通过专家评审和部队对接实验,下一步经过鉴定后就将交付部队使用。
汉语词典查询是中文信息处理系统的重要基础部分,对系统效率有重要的影响.本文对汉语词典查询算法研究作了简要回顾,设计实现了基于双数组TRIE机制的汉语词典查询算法,并提出了基于双编码机制的词典查询算法.最后对两种词典查询机制进行了实验分析.
在自然语言处理系统的应用过程中,很多系统允许用户自由挂接一部或多部领域词典,本文首先对采用二次分词方法产生的二次分词歧义现象的分布情况进行了研究,然后通过实验比较了两种挂接领域词典方法在分词中的不同及其对二次分词歧义的处理能力.
网上信息的爆炸式增长使信息抽取成为一个热点研究课题.传统的信息抽取系统通常需要专家手工书写模板.尽管目前模板获取的自动化程度有了大幅度的提高,人们仍然要手工标注大量的训练文本.本文提出了一种基于相似计算的纯文本信息抽取模板自动获取方法.根据给定的种子模板,从大规模的无标注的训练文本中可以自动学习相关的模板,生成的模板几乎不需人工处理就可以直接应用.与其他方法相比,本方法无需人工标注训练语料,节约了
本文利用中科院计算所ICTCLAS系统对《人民日报》1998年1月语料进行标注,并与北京大学免费发布的《人民日报》1998年1月标注语料进行比对分析,找出ICTCLAS系统存在的一些缺陷,提出进一步提高标注效果的方法.
基于关键字的传统检索方式不能满足高质量的检索需求,Ontology理论和技术为智能信息检索提供了解决方案,ontology具有的概念模型、明确性、形式化、共享性使检索中的语义理解与计算成为可能,文章分析了面向信息检索的ontology的层次结构与特征,阐述了基于ontology的智能检索的运行机制,并以实例说明了其在深层次检索中的优势.
本文分析了名词照应语"这/那+NP"在25万字语料中的照应情况,分析结果说明通过判断"这/那+NP"和候选名词短语的中心词是否相同或是否具有某种语义关系,就能确定约70﹪的"这/那+NP"的先行语,根据这一结果本文提出了一个计算机自动消解此类照应语的启发式算法,为名词照应语的消解提供了一些思路.
新词识别一直是中文信息处理所关心的话题.本文针对三字新词的构造特点,并以训练语料为例,着重分析了含词尾的三字新词在自动识别时的重点和难点,从而进一步提出我们的解决方案,介绍了实现的过程及算法.最后,通过分析测试语料的识别结果,总结出此方案的优劣及改进方向.识别结果表明,该方案对提高新词识别的精确度有较大帮助.