藏语语音合成语料库的韵律标注规则设计

韵律标注是藏语语音合成语料库建设的重要环节.文章参考汉语韵律标注的研究成果,结合藏语自身的语音特点以及韵律特征,进行了面向藏语语音合成语料库的韵律标注研究,并设计一套包含拉丁转写、声调类型、音节结构、重音类型以及停顿指数的标注规则,为藏语语音韵律特征的研究提供了直观的、科学的方法.     

语料库自然标注信息与中文分词应用研究

以中文分词为应用目标, 将大规模语料库上存在的自然标注信息分为显性标注信息与隐性标注信息, 分别考察了它们的分布和对大数据集上语言计算的影响。结果表明, 两者都直接或间接地表达了作者对语言的分割意志, 因而对分词具有积极的影响。通过词语抽取测试, 发现在缺乏丰富显性标注信息的文本中, 来自语言固有规律的自然标注信息对字符串有着强大的分割性能。     

结合金字塔模型和随机森林的运动捕获序列语义标注

针对原始运动捕获数据结构复杂、语义模糊的问题,提出一种结合金字塔模型和随机森林的运动捕获序列语义标注方法.首先,利用概率主成分分析将运动序列划分为具有特定语义的运动片段.然后,将运动片段的欧拉角数据转换为人体各个关节点的三维空间位置坐标数据,统一骨骼长度,提取运动数据的2种互补性几何特征,并分别归一化.再次,运用傅里叶时间金字塔模型构建运动片段完整的时空特征.最后,利用已训练的随机森林分类器对各个运动片段进行标注.结果表明:该方法能够对具有不同语义的复杂运动序列进行有效标注,且可用于不同表演者,具有一定的实用性和通用性.     

我国新型研发机构政策注意力与政策工具探析——基于长三角与珠三角地区的政策量化研究

新型研发机构逐步上升为中国创新驱动发展的主力军。利用文本挖掘、共词语义网络分析等方法,全面剖析长三角和珠三角地区新型研发机构政策的注意力焦点和政策工具,为支持高水平新型研发机构建设与发展提供参考。研究发现：政策类型以“通知”和“意见”为主,体现了政府的弹性管理机制,但执行力度较弱;政策注意力与新型研发机构的使命、功能内涵密切相关,鼓励政产学研高度融合,突出企业主体地位,强调体制机制创新;政策工具运用存在结构性失衡,注重供给型政策工具,环境型和需求型政策工具使用不足。     

网购客服对话标注与分析

在当前交互式问答的研究中,面向真实应用环境的交互式问答语料比较缺乏。首先收集大量网购客服对话日志作为交互式问答研究的语料数据, 对网购对话日志进行统计分析,然后从对话日志中抽取174组会话,对会话中的非规范语言现象、问句相关现象、问句答案匹配现象等交互式语言现象进行了标注和统计。基于标注统计结果发现:高频语句在网购对话中占较大比例,15%的语句的使用量占客服应答语句总量的45%以上;非规范语言现象出现比例占到会话语句的50%;问句相关现象中指代相关、省略相关、公共词序列相关是最重要的3个相关特征;问句答案匹配现象中交叉匹配的情形占到会话的60%以上;匹配的问答对中问句与答案具有显性匹配特征的占50%以上。     

基于张量罚偏最小二乘的自动图像标注

如何有效地挖掘变量与标签之间的相互关系和处理高维数据是自动图像标注的两个具有挑战性的问题。以往的自动图像标注都是基于向量模式的学习算法,这样一方面产生高维数据,另一方面破坏了图像数据的高阶结构和内在相关性,导致信息丢失。向量模式下的罚偏最小二乘算法(penalized partial least square,PPLS)可以在获取变量和标签相关性的同时,进行维度约简。在PPLS的基础上,提出基于张量罚偏最小二乘算法(tensor-PPLS)。首先构造图像的张量数据形式,然后采用多线性主成分分析(MPCA)进行降维预处理,最后用tensor-PPLS进行图像标注。在图像标注的三个标准数据集上,提出的算法标注结果明显优于传统的基于向量模式的学习算法。     

本体中概念间语义相似度和相关度混合计算方法

语义相似度计算广泛应用于自然语言处理中,但现有语义相似度计算方法没有充分挖掘本体结构中概念间的关系.笔者针对当前概念相似度计算的片面性和不完善性等不足,提出一种计算概念间语义相似度和相关度的混合方法.从有向边包含的特征属性对语义距离进行扩展,结合概念深度,将语义距离转换成语义相似度,通过引入概念间相关度计算,使最终概念语义相似度计算更加精确.并将该方法与人的主观判断结果进行比较,验证了该方法的可行性和有效性.     

多粒度制造资源统一模型及其语义服务发现

为了实现企业间的业务流程协同,提出了多粒度资源统一模型及其语义化方法,并实现了语义发现算法。将业务流程片段抽象成不同粒度大小的流程复合资源和单粒度资源,基于扩展OWL-S对多粒度资源进行了语义封装,并构建了领域业务流程本体和功能活动本体,对多粒度资源进一步语义化。进而给出了功能、过程和服务质量的三阶段语义匹配算法,并比较了复合粒度和单粒度资源的匹配性能。结合一个制造业务流程任务实例说明了多粒度资源模型及其语义化的应用过程。最后,通过仿真实验验证了模型、语义化和算法的有效性。     

基于Ontology的试题模型研究

让计算机对试题的语义进行检查是一件难事．本文提出按照试题的概念之间的逻辑关系来构建试题的Ontology模型,采用OWLDL作为本体描述语言将试题进行语义化处理．     

基于扩展特征向量空间模型的多源数据融合

本体资源的扩充是自然语言处理的关键问题之一。传统的从单一数据源获取的信息其覆盖率较低,亟需建立一个整体的数据管理平台,对数据资源分类存储与整理。为此提出了AVP数据平台,构建AVP平台所面临的重要问题是多源数据的融合,即将不同来源的网站数据进行语义角色标注,对歧义词条进行识别判断,并最终归并到以义项为基本单位的数据仓库中;为解决多源数据融合的语义角色标注问题,给出了一种自动语义判歧方法。其基本思想是利用词条中的属性值对作为特征模板,并借助于属性值的共现概率,应用扩展向量空间模型对词条进行歧义识别。通过大量的实验对比可知,该系统在各方面均取得优异的成绩,所提出的算法能够很好地解决多源数据融合中的语义判歧问题。