词性标注的方法研究*——结合条件随机场和基于转换学习的方法进行词性标注

词性标注是语料库建设中的重要环节,同时也是自然语言处理领域的基础研究课题。针对词性标注任务中统计处理和规则处理两种方法各自的特点和局限,提出融合条件随机场模型和基于转换学习的方法来进行自动词性标注的方案。实验结果表明,该方案能够有效地提高词性标注的正确率。     

搜索引擎查询日志的词性标注和挖掘研究

利用搜狗（Sogou）2007年3月的查询日志,使用词性标注方法,得出高频词性标注结果的分布特征。发现用户在查询中以使用名词为主,动词为辅,鲜有其它词类出现在高频词性标注结果中。以“的”为代表的虚词较少地出现在高频词性标注结果中。网络搜索的查询式与自然语言在句法上存在一定差异,但也有相通之处。用户主要使用名词进行概念性检索,关键词仍为用户进行检索的主要手段。高频词性标注结果部分符合Zipf定律。     

新闻语言应当规范化

前些时,读过一则报道,说上海的青年作家群崛起,呈八国联军式,云云。细细揣摩了半天,笔者仍不解其意。稍有历史知识的人,都知道八国联军乃是攻占北京的一伙侵略者,如今以此形容上海的青年作家群,不知是寓意野蛮,还是指的什么。如果说,作者对上海青年作家群的崛起没有异议的话,至少是将眨意词当作褒意词乱用了。比喻的乱用,给这则本来可以简洁、明了、晓畅的新闻报道罩上了一团疑云,失去了它应有的表现力。这,仅是一例。其实,倘若你是一个细心的读者,浏览一下全国大大小小的报章杂志,就不难发现,语言混乱、文理不通的状况几乎天天都有,     

词典编辑与语言研究

词典,特别是语文词典,要把它放在语言科学的基础上,就得调查语言事实,学习语言知识,研究语言理论.只有这样做了,才有可能搞好词典编辑工作.倒过来说也一样,要搞好词典编辑工作,就得努力从事语言研究.以下分八个问题来讲:(一)语言性的意义与非语言性的意义;(二)重复与出现频率;(三)理论与实际;(四)重叠语;(五)禁忌语;(六)立论的根据;(七)错字产生的原     

基于多特征知识的先秦典籍词性自动标注研究

[目的/意义] 先秦典籍在古代典籍中的地位极为重要。本文提出对先秦典籍进行词性自动标注的解决方法,以便更加准确地挖掘先秦典籍中的潜在知识。[方法/过程] 通过条件随机场模型,结合统计方法确定组合特征模板,并最终得到针对先秦典籍的词性自动标注算法模型。[结果/结论] 在先秦典籍自动分词的整个流程基础上,得到简单特征模板、组合特征模板下的词性自动标注模型,基于组合特征模板的词性标注模型调和平均值F达到94.79%,具有较强的推广和应用价值。在构建词性自动标注模型的过程中,通过融入字词结构、词语拼音和字词长度的特征知识,使得模型的精确率和召回率得到有效提升。     

民族新闻语言应当规范化

在报纸上、广播中、电视里不时读到或听到一些有关民族区域自治的新闻语言不符吾国家规定。出现这种情况,不利于正确反映民族区域自治,也不利于各民族的团结。下面就有关民族自治地方的若干新闻语言的规范化问题谈谈个人的看法。 一、关于“主体民族” 报纸和广播电台、电视台的新闻语言中出现“主体民族”和“以某某民族为主体”的提法屡见不鲜。言下之意,既然有“主体民族”,就有与之相对应的“非主体民族”。在发展我国平等互助;团结合作、共同繁荣的社会主义新型民族关系的前提下,新闻报道中为了突出某一个少数民族当家作主的地位,把它分为“主体民族”,把同一个民族自治地方的其他少数民族和汉族不适当地分为“非主体民族”,显然是不合适的。     

应当重视新闻语言的隐性功能

《新闻记者》2006年第11期发表林新的文章《应当重视新闻语言的隐性功能》。     

应当重视新闻语言的隐性功能

新闻报道首先是对语言的运用，因此语言学方面的分析对于任何一个新闻报道来说，都是最基本的。而自索绪尔以来，语言学家的研究一步一步地告诉我们，语言在“所指”之外，还有着丰富的“能指”：而且在语言的运用过程中，一次次的“复制”、“拷贝”能不断地加重语言的“能指”功能。也就是说，语言在除了说明是什么之外，还能表达什么；一个语词在运用的过程中，会被附上表达者各色各样的心理色彩或意识色彩。有些语词的“能指”在人类社会的发展中被逐渐固定下来，就成为特殊用词，专门指代某类“意识”。换了一个时代，社会背景虽然不同了，但使用者再用这类语词．虽然言者可能无意，听者却可能“听”出言外之义来．因为该语词的“能指”仍会把其所指代的意识明确地表述出来，这是语言隐性功能的一种体现。     

关于禅宗文献语言词典的几点认识

《禅宗大词典》(以下简称《禅典》)是在前编《禅宗词典》(1995年荣获首届中国辞书奖)的基础上,经过较大幅度的增补修改而成的,主要收释中国禅宗文献里的重要或常见词语,共有词目8000余条,是一部切实有用的禅宗专科辞书。其中语文条目占2/3以上,亦可视作禅宗文献语言词典。众所周知,禅宗文献     

商务印书馆出版一部很有趣味的语言词典

商务印书馆新近出版一部《红楼梦语言词典》,这部词典很有意思,很有趣味。词典以《红楼梦》八十回本为主要依据,同时也将续四十回作为底本,加以收词。全书列为词条达24500多条。 词典全面反映了这部“封建社会百科全书”的社会语言。编者以《红楼梦》所用词汇为代表,通过搜集、     

初探名词性从句

名词性从句是一种具有名词功能的非独立从句。     

魔鬼词典

所谓结婚蛋糕．就是和白雪公主吃的毒苹果划上等号的一种食物。 所谓梦中情人．就是婚后能让女人过着如梦幻般生活的那个男人。     

小词典

赛博空间 :“赛博空间”是加拿大科幻小说家威廉·吉布森 ( W.Gibson)于 2 0世纪 80年代中叶首先使用的。他在一本科幻小说中描写了计算机网络化把全球的人、机器、信息源都联结起来的新时代 ,昭示了一种社会生活和交往的新型空间。随后 ,以 Cyber为前缀的词汇迅速流行起来 ,一些以赛博空间问题作为研究对象的研究机构相继建立 ,赛博词汇也进入了政府的文件、报告之中。“赛博空间”概念的提出 ,显然受到了“控制论”( Cybernetics)的影响。维纳创立的 Cybernetics在我国已习惯译作“控制论”,如果音译 ,则是“赛博论”。从关于控制和通讯…     

词典情结

最初与词典接触,记得是20世纪60年代初,我刚读初中的时候.语文课本的成语渐渐多了,课文后面虽有注释,但很简单.这时,我从一位同学的课桌上,看到一本由商务印书馆出版的<汉语成语小词典>,眼睛一亮,随手翻了翻,真是爱不释手,心想,我要有一本该多好呀!我一看定价,是七角钱.我家本来贫寒,每年读书的学杂书本费都难以凑齐,哪还有钱买词典.想来想去,我终于有了主意,找这位同学借来手抄一本.     

时尚词典

什么叫偷菜 偷菜是指开心网及类似网站所开设的农场游戏中的一种活动,即在好友的农场里,收获好友的虚拟劳动果实。属于网络交际类游戏。     

时尚词典

什么叫闪婚 闪婚是闪电式结婚的简称。青年男女闪电相识,爱情速配,已成为一种时尚。 近年来社会上出现了一股快餐式的爱情和婚姻的潮流,那些选择快餐式爱情和婚姻的群体被称为“闪婚族”,其成员主要是年龄在20～30岁之间的青年。     

新概念词典

30年法则:这个法则有两种来源:一是由萨佛·鲍尔提出的,它指的是一种假设,即成功的新技术从实验室到被广泛采用历史上平均要经过三个10年;二是加利福尼亚州门罗公园的未来研究所所长保罗·萨弗提出的,它指的是至少在过去的五个世纪里,新思想完全渗入一种文化中所必需的时间数量,一般约为30年。