大规模双语句对自动获取技术

从互联网上挖掘大量双语平行句对,可以快速有效地构建大规模双语资源,服务于统计机器翻译。从挖掘对象的不同,将网络数据源分成对照网页和平行网页两类,提出一种抽取双语句对的方法。首先,从上述两类网页中分别抽取平行文本段,对照网页文本段抽取的主要方法为页面过滤和模板匹配,而平行网页依赖于网页结构的相似,采用对应节点匹配方法;其次,采用Gale-Church算法进行句对齐,得到平行句对;最后统一进行后处理。实验结果表明,从对照网页获取平行句对的准确率达到93.3%,平行网页为93.5%。     

基于统计机器翻译模型的查询扩展

在搜索引擎等实际的信息检索应用中,用户提交的查询请求通常都只包含很少的几个关键词,这会引起相关文档与用户查询之间的词不匹配问题,对检索性能有较严重的负面影响。该文在分析了查询产生模型的基础上,提出了一种新的基于统计机器翻译的查询扩展方法。通过统计机器翻译模型提取文档集中与查询词相关联的词,用以进行查询扩展。在TREC数据集上的试验结果表明:基于统计翻译的查询扩展方法不仅比不扩展的语言模型方法始终有12%～17%的提高,而且比流行的查询扩展方法-伪反馈也具有可比的平均准确率。     

多文档文摘句子优选算法研究

该文通过对文摘句的选择问题进行分析,提出了一种文摘句优选方法,相对于传统的逐个添加句子生成文摘的方法,该文提出的方法是在一定范围内逐个删除句子生成文摘。该方法分两阶段进行句子选择,第1阶段获取候选文摘句子集合,采用了直接获取算法和基于冗余信息处理的获取算法。第2阶段逐步删除句子,分别以不同特征项作为衡量句子对候选文摘句子集合的贡献,提出了文摘句优选算法。以DUC2004为实验语料,通过经句子选择后生成文摘的ROUGE得分,验证了句子选择在文摘生成过程中的必要性,与基于冗余信息处理的句子选择方法比较,验证了该文提出算法的有效性。     

基于n元词组表示的去噪方法及其在跨语言映射中的应用

具有结构化输出的学习任务（结构化学习）在自然语言处理领域广泛存在。近年来研究人员们从理论上证明了数据标记的噪声对于结构化学习的巨大影响，因此为适应结构化学习任务的去噪算法提出了需求。受到近年来表示学习发展的启发，本文提出将自然语言的子结构低维表示引入结构化学习任务的样本去噪算法中。这一新的去噪算法通过n元词组的表示为序列标注问题中每个节点寻找近邻，并根据节点标记与其近邻标记的一致性实现去噪。本文在命名实体识别和词性标注任务的跨语言映射上对上述去噪方法进行了验证，证明了这一方法的有效性。     

统计机器翻译中双语语料的过滤及词对齐的改进

词对齐是统计机器翻译系统中最重要的一个环节,统计机器翻译中的翻译模型和调序模型都是在词对齐结果的基础上构造的,词对齐阶段出现的错误,会延续到这些模型中,甚至会因为词对齐的错误而在这些模型中引发更大的错误。为减少词对齐阶段的错误,提出一种基于对齐困惑度的双语语料过滤方法和一种改进的判别式词对齐算法,语料过滤方法可以将词对齐阶段有严重错误的双语句对过滤掉,判别式词对齐算法与传统的自动词对齐算法相比,可以得到对齐错误率更低的词对齐结果。     

The Origin of Alligator sinensis

Alligator sinensis and Alligator mississippiensis are put under the Alligator family and Alligator genus as two different species and have been thought that they are closely related in taxonomy. The results of our DNA-DNA hybridization experiments showed that A. sinensis is a relatively young species originated in Asia,whereas A. mississippiensis is the older.It seems that the alligator and crocodilian could evolve from each other.The evolutionary rate of the crocodilian is slower than those of birds and higher vertebrates.The phylogeny of four crocodilians have been obtained and the hypothesis that the ancestor of Crocodylus porosus is a transitional form between A.mississippiensis and A.sinensis is proposed.     

爆轰法合成超小TiO2的光催化性能分析

颗粒尺寸是影响TiO2光催化活性的重要因素,颗粒越小其光催化效率越高.在密闭的反应釜内引爆用含钛前驱体、硝酸铵、黑索金与一定量的聚苯乙烯小球制备的浆状混合炸药制备了超小的TiO2纳米颗粒.研究了炸药配比对TiO2的形貌、分散性、颗粒尺寸的影响,并通过降解甲基橙溶液表征超小TiO2的光催化性能.结果发现:制备的TiO2由金红石相与锐钛矿相组成,大部分颗粒呈球形或不规则四边形,尺寸在10nm左右,少量颗粒尺寸大于20nm,结晶度较好.炸药配比对TiO2的结晶度、颗粒大小、分散性等有较大影响.TiO2的禁带宽度在2.8eV左右,低于锐钛矿相与金红石相的禁带宽度,能够提高太阳光的利用率.爆轰制备的超小TiO2催化降解甲基橙溶液50min时,甲基橙的降解率为30;,明显高于爆轰法制备的颗粒较大的TiO2与铜粒子掺杂的纳米TiO2的光催化速率,光催化性能得到明显提高.     

豚鼠原发性骨关节炎的关节软骨显微傅里叶变换红外光谱研究

应用显微傅里叶变换红外光谱技术原位分析雌性Hartley豚鼠胫骨关节软骨的化学组成。红外光谱测定包含三种月龄(1月、2月和3月)和3个软骨层次(表层、中层和深层)。结果表明,随着月龄的增加,表层和中层FTIR光谱的主要吸收峰峰位红移,深层吸收峰先红移后蓝移。软骨中胶原蛋白、核酸和蛋白多糖的红外光谱具有如下特征：峰强比I_{1 657}/I_{1 548},I_{1 074}/I_{1 548}和I_{1 074}/I_{1 237}在软骨表层和中层随月龄递降,而在软骨深层2月龄的比值最低。结果符合关节软骨在不同退变阶段化学成分的变化规律,且显微光谱成像技术转化的各月龄胫骨平台二维图像高度符合相应的病理描述。初步研究显示,显微FTIR技术可原位分析不同层次软骨组织的分子组成,能为研究软骨疾病的发病机理提供可靠信息。     

基于浅层句法信息的翻译实例获取方法研究

翻译实例库是基于实例的机器翻译系统的主要知识源。本文采用基于浅层句法分析的方法进行翻译实例的获取。首先根据浅层句法信息划分源语言和目标语言的翻译单元,然后在词对齐结果的指导下,利用统计对齐模型确定源语言和目标语言翻译单元之间的映射关系,从而获取翻译实例。通过与几种较具代表性的翻译实例获取方法进行对比实验发现,无论是对翻译实例库直接评测,还是通过EBMT系统进行间接评测,该方法都获得了令人满意的效果。     

英语基本名词短语识别技术研究

基本名词短语识别是自然语言处理领域的非常重要的子任务。文中总结了英语名词短语识别的一些代表性的方法并对识别结果进行了比较和对照，介绍了识别名词短语所需的知识、结果的表示和评价标准；最后指出了目前名词短语识别的发展趋势。该研究对相关领域研究起到借鉴作用。