大数据技术在新媒体产业中的应用

大数据采集与分析系统采用云计算架构设计,采集互联网海量信息,为媒体信息收集工作、内容制作、深度研究类刊物以及手机APP、微博、微信等移动端口提供大数据服务,成为行业内媒体融合的催化剂,为传媒行业的发展提供了有力保障.     

面向信息处理的汉语形容词谓语句的组合范畴语法分析

组合范畴语法实现了句法和语义的并行推演,它是目前计算机对自然语言进行信息处理的最理想工具。汉语形容词谓语句是汉语的十大典型句型之一,对汉语形容词谓语句的处理是中文信息处理的重要任务之一。汉语形容词谓语句有光杆形容词谓语句和复杂形容词谓语句之分,复杂形容词谓语句更为常见,处理起来也更为困难。使用组合范畴语法CCG可以处理大多数汉语形容词谓语句,部分汉语形容词谓语句还需借助于CCG的扩展系统CCG│方可处理。     

语言文字网

语言文字网是一个专门针对语言文字、中文信息处理等资源进行整合的网站，面向个人、社团、刊物、会议等开办专辑专栏，为最广泛的语言文字爱好者搭建一个交流平台。     

“汉字文献资料库新技术研讨会”召开

2005年1月22日，由中国国家图书馆与日本京都大学人文科学研究所联合举办的“汉字文献资料库新技术研讨会”在北京举办。国家图书馆陈力副馆长、日本京都大学高田时雄教授出席了会议。在为期一天的研讨会上，8位学者围绕中文信息处理的理论与实践分别进行了报告，他们涉及的题目包括：“数字文献处理的标准规范研究”、“可搜索的文本影像及其应用”、     

中文信息处理的关键技术—汉字输入

计算机输入作为最重要的人机界面之一,在我国所受到的关注,可以说比世界上任何一个国家都要多。近十多年来,为了使计算机能处理汉字信息,多少有志之士呕心沥血,攻克了一个又一个的难关,终于迎来了今天的汉字输入技术和方法百花齐放的局面。这一方面它表明了解决汉字输入这     

语言文字网

语言文字网是一个专门针对语言文字、中文信息处理等资源进行整合的网站，面向个人、社团、刊物、会议等开办专辑专栏，为广泛的语言文字爱好者搭建一个交流平台。     

无词典中英文混合术语抽取及算法研究

中英文混合术语可作为未登录词处理、加权处理和歧义消解等的辅助信息,并有助于提高中文信息处理的质量。依据长度递减与串频统计思想,本文提出了一种中英文混合术语的抽取方法。该方法不需要词典,不需要事先进行语料库的学习,不需要建立字索引,而是依靠统计信息,抽取出支持度大于等于阈值的中英文混合术语。该算法能够有效地抽取出文本中新涌现的通用词、专业术语及专有名词。实验显示该方法不受语料限制,能够快速、准确地进行中英文混合术语的抽取。     

让信息传递更艺术—记汉仪字库

让信息传递更艺术──记汉仪字库近几年来，伴随着微电子技术的飞速发展，计算机应用的普及、推广，信息处理（ｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ）技术得到了长足的发展。各行各业，甚至于家庭都在利用计算机来从事管理或辅助、学习工作，以提高办事效率及准确...     

基于条件随机场的兼语结构自动识别

本文研究对象为汉语中较为复杂的兼语结构,通过对大规模语料中兼语结构的分布观察,进行其内部语言特征及外部语言特征分析;一是从定量角度对其结构研究提供数据支持,二是为计算机自动识别提供语言学支持。基于这些特征建立模板,从而构建条件随机场模型,对兼语结构进行自动识别。在开放训练中,F值最高可达85.71%,这个结果表明条件随机场在兼语结构识别中已经接近应用水平,可以作为兼语结构识别的有效方法。     

中文分词技术综述

中文分词是中文信息处理的基础,分词系统也是中文信息处理中的一个主要组成部分,对中文文本的分词处理目前已经应用到了中文自然语言理解、文献检索、搜索引擎以及文本挖掘系统等领域。本文对现有的中文分词技术进行了综述,分析了现有分词方法的技术特点,指出了部分分词方法存在的优缺点。