中文分词评测系统浅析

汉语属于汉藏语系,和英语等语言不同的是:它不是以一个个单词的形式出现,词与词之间没有空格等明显的分割标记。中文分词是现代中文信息处理的基础,是汉语自然语言理解与处理、机器翻译、智能检索、电子词典等信息处理的前提。中文分词系统的好坏将直接影响以中文分词系统为基础的系统的性能。因此对中文分词系统的评测就是一件十分有意义的事。     

浅谈语言研究中电子化资源的利用

电子化资源的利用能提高语言研究的效率、确保语言研究过程的普遍性、客观性,从而提高语言研究的质量和可信度。无论是调查先行研究还是研究过程中的论证,都可以利用电子化资源辅助。在信息化快速发展的今天,我们还可以自制电子化资源库,以充分利用这一便利的工具合理、循环地为研究服务。     

On the pitch of dialogue in Chinese Putonghua

In order to improve the naturalness of TTS speech so as to represent the cadence of natural speech, it is necessary to have a study on the pitch of spontaneous speech. Based on the 973 telephone corpus, the pitch ranges and pitch registers of 1084 intonation phrases are analyzed. It is found that intonation phrases can be classified according to their ranges and registers, and this is related to their positions in dialogue exchange. Compared with read speech, the pitch patterns in dialogue are more variable.     

基于Web网页语料构建动态语言模型

为语音识别系统构建语言模型，首先要进行语料准备，语料来源决定语言模型的性能。Web网页中涵盖了各种最新的语言现象，为语料准备提供了最多样化的资源。但Web网页中语义完整字串通常夹杂在格式、标记、广告等无用字串中。首先介绍语言模型的训练算法和更新方法，继而提出一种从HTML文档提取用于训练语言模型的语义完整汉字字串的算法，最后给出语料提取实验结果、语言模型训练结果和语言模型的动态更新结果。为基于Web网页语料动态更新语言模型提供了一个完整的解决方案。     

基于Web的财经院校金融语料库系统建设研究

金融语料库是金融文本及其标注的集合。在财经院校中,金融语料库是金融及相关学科教学和科研的重要基础。然而,我国金融语料库的建设尚处于起步阶段,文章描述了基于Web的金融语料库系统构建的需求、设计模式和关键技术,所构建的基于Web2.0的金融语料库系统可应用于金融及相关学科的课程教学和科研活动。     

基于平行语料库的中国特色词汇双语词表建设

为了解决四六级新题型段落翻译中中国特色词汇翻译难问题,该研究使用《用英语说中国》系列丛书,建立微型汉英平行语料库,使用主题词生成软件和平行检索软件,建成中国特色词汇双语词表。文章简述了词表编制过程及该词表的应用。     

基于文本特征识别的电子档案自动归类系统研究

传统归类方法采用自动标引主题词变换成分类号实现自动分类,该方法分类过程复杂,应用性差。因此,提出一种基于文本特征识别的电子档案自动归类系统。该系统采用电子档案语料库模块根据使用者需求挖掘语料,实现语料库构建、查询、清除和维护等操作;通过电子档案排版模块,基于内容映射的方式排版电子档案;在此基础上采用有限自动机选择法和组合特征选择法选取文本内特征词,识别电子档案文本特征后,通过SVM分类器和类别识别器两次归类过程,判断电子档案最终类别归属。封闭性归类测试和开放性归类测试结果表明,该系统的平均查全率和精度都高于95%,且不同信噪比环境下,系统平均中断概率为0.17%,低于对比系统。     

关于中医学文本语料库构建的分析

由于网站数量的不断增加,多种多样的网页结构以及多样化的信息发布形式,导致领域搜索引擎的困难也随之加大.如何自动的让领域内的搜索引擎准确的找到用户所需,是一个很值得关注的问题.本文针对这一问题,在自动构建中医学文本语料库方面进行了一定的研究.