基于最大似然估计方法的齐普夫定律验证

文章采用最大似然估计的方法对齐普夫分布曲线进行拟合。该方法对齐普夫定律的词谱分布,利用KS检验的方法得到在双对数坐标下拟合度最优的直线。与传统的最小二乘法相比,该方法拟合结果更为准确。为了验证该方法的有效性,通过3组中英文语料实验发现,英文较好地符合齐普夫定律,中文并不太符合。     

Stemming和Lemmatization对英文文本聚类的影响研究

词干化、词形还原是英文文本处理中的一个重要步骤。本文利用3种聚类算法对两个Stemming算法和一个Lemmatization算法进行较为全面的实验。结果表明,Stemming和Lemmatization都可以提高英文文本聚类的聚类效果和效率,但对聚类结果的影响并不显著。相比于Snowball Stemmer和Stanford Lemmatizer,Porter Stemmer方法在Entropy和Pu-rity表现上更好,也更为稳定。     

基于清华汉语树库的有标记联合结构统计分析

详细统计和分析有标记联合结构的内部语言学和外部语言学特征。内部特征方面主要考察该结构的词性序列分布、短语序列分布;外部特征方面主要考察该结构的句法功能分布和左右边界特征词。这些考察一方面为从量化的角度研究该结构提供相对精确的数据,另一方面为计算机自动识别该结构提供语言学知识。     

高职职业生涯教育问题与对策研究

针对高职职业生涯教育存在的问题，从课程体系、实践教学体系、创业教育、职业价值观、教师队伍建设等方面提出相关对策。     

面向汉语自动句法分析的语法知识库构建

基于100万字的973汉语树库,按照语法功能分布的理论,从汉语自动句法分析和语言知识库构建的角度,构建一个相对系统化和多层次的语法知识库。该语法知识库由汉语词语、短语实例、短语结构、句法规则等知识组成。汉语词语知识共统计51 390个汉语词汇的58种语法知识,短语实例知识共获取3 836个汉语短语实例的58种语法知识,短语结构知识共抽取26种短语结构的58种知识,句法规则共有900条记录知识组成。该语法知识库的构建不仅为汉语自动句法分析和语言学研究提供语法知识,而且为更大规模的语法知识库构建打下基础。     

iSchools培养计划知识挖掘下的情报学教育及人才培养

[目的/意义]情报学作为信息科学群的一个分支学科,在大数据时代呈现出更高的职责要求,iSchool这一高校信息学院联盟培养符合新时代需求的信息领域人才。[方法/过程]为探索情报学学科的教学模式和特点,文章以iSchool培养计划为研究对象,分别基于Bi-LSTM-CRF和BERT深度学习方法,构建能力和研究领域的自动抽取模型,挖掘其中情报学科教学信息。在模型的基础上,完成iSchool培养计划的知识挖掘,统计iSchool院校对学生的能力要求以及主要的研究领域,并按照iSchool等级进行系统和深入的统计分析。[结果/结论]在上述分析的基础上,发现和总结当前情报学教育的发展态势,为我国情报学教育体系设计提供切实可行的建议。     

数字人文下的典籍深度学习实体自动识别模型构建及应用研究

[目的/意义]典籍是我国传统文化、思想和智慧的载体,结合数字人文的数据获取、标注和分析方法对典籍进行实体自动识别,对于后续应用研究具有重要意义。[方法/过程]基于经过自动分词与人工标注的25本先秦典籍构建古籍语料库,分别基于不同规模的语料库和Bi-LSTM、Bi-LSTM-Attention、Bi-LSTM-CRF、Bi-LSTM-CRF-Attention、Bi-RNN和Bi-RNN-CRF、BERT等7种深度学习模型,从中抽取构成历史事件的相应实体并进行效果对比。[结果/结论]在全部语料上训练得到的Bi-LSTM-Attention与Bi-RNN-CRF模型的准确率分别达到89.79%和89.33%,证实了深度学习应用于大规模文本数据集的可行性。     

唐代对妖书妖言罪的预防与惩治

唐代把妖书妖言列为刑法重点打击的对象,对散布妖言者,依法追究其法律责任,甚至处以死刑.本文通过透视唐代为预防与惩治传播妖书妖言而采取的一系列举措,为当代我们国家防止邪教传播扩散提供历史借鉴.     

对近代外国人掠夺中国文献情况的研究

本文在占据大量相关材料的基础上，对近代（1840－1949）外国人劫掠、盗买、焚毁中国珍贵文献的数量进行了系统统计和研究，并对其强盗行为进行了揭露和批判。