知识聚类技术

随着知识管理的不断深入,知识库所包容的知识内容越来越多,如何建立知识的分类体系,构建合理的知识关联显得尤为重要.知识聚类是一种无指导的自动分类方法,在知识的组织和管理中发挥着重要作用,不仅可以有效地节约知识库优化的人力资源,而且还可以更有效的反映知识间的本质联系.为此主要探讨了知识聚类的基本过程,包括知识特征的选取、相似度的计算和聚类算法,最后介绍了作者的一些相关工作.     

基于条件随机场的日语依存分析

日语依存关系解析是日语句子解析的一项基本技术。提出了一种基于条件随机场的日语依存分析方法,并充分使用了上下文信息和功能词出现信息作为新特征。在京都大学文本语料库上的实验结果表明,本文提出的日语依存分析方法是有效的,依存关系正确率、句子正确率分别达到了89.26%和45.90%。     

基于web的日英词典自动获取技术的研究

双语词典资源对于自然语言处理研究的巨大价值已经得到越来越多的认可，尤其是在机器翻译、跨语言信息检索等方面。传统人工构建词典存在规模小、时效性差、语种不够灵活等问题，而且耗费大量的人力财力。提出了一种基于web的获取日英释义的新方法。该方法采用双向融合计算技术，首先对日语单词进行启发式搜索，在返回的网页摘要中应用基于距离和频率的方法挖掘出其候选英语单词；在第二阶段对候选英语单词进行二次搜索，并对两个阶段的结果进行融合计算来确定日英释义。     

大规模无参考译文质量自动评测技术的研究

传统的译文质量自动评测方法主要针对机器自动翻译结果并通过与参考译文的对比实现译文质量的评估。提出一种大规模无参考译文质量自动评测方法,该方法可以在无参考译文的情况下,从正确性、流畅性和忠实度等方面对人工译文进行质量检查并标注可能的错误点,即利用语言规则实现正确性的判断,利用语言模型实现流畅性的判断,利用词对齐结果和词典信息实现忠实度的判断。基于该方法实现的译文质量辅助检查系统在国家知识产权局百万专利翻译项目中的应用效果表明,使用该系统的测试组较未使用该系统的测试组的平均译文质量和终稿完成效率均有明显提升。     

基于共享最近邻的专利自动分类技术研究

专利文献是一种具有法律效力的科技文献,其内容覆盖了几乎所有的技术领域的最新、最活跃的创新技术信息,因此对专利文献的分类和组织在专利管理中有着重要意义。本文通过对现有的专利自动分类技术的归纳和分析,融合BM25相似度计算方法和样本邻域信息提出一种基于共享最近邻的KNN专利自动分类方法。本方法的有效性在NTCIR-8专利分类评测任务中得到充分验证。     

基于奇异值分解的关系相似度计算方法

关系相似度计算在信息检索等领域有重要的应用.目前,关系相似度主要通过向量空间模型计算,但数据稀疏严重影响计算效果.为此提出以上下文模板表示特征,并通过对特征矩阵的奇异值分解降维消除噪声,冉通过向量余弦夹角计算关系相似度.实验表明,该算法比传统的向量空间模型算法在分类准确率方面有明显提高.     

英汉专利语料中长句的分割

平行语是基于语料机器翻译方法的重要资源。专利语料中存在大量长句,这给机器翻译系统学习翻译模型带来了复杂性。因此,对专利语料中长句的分割将是十分有必要的。提出了一种基于统计词对齐的专利语料中长句分割方法,将标点的对应位置作为候选分割位置有效的保留了句子的句法结构,并且使用改进后的IBM翻译模型1对分割片段进行评分,进一步保证了长句分割的正确性。翻译实验证明该方法有效地提高了翻译系统的质量。     

专利分类中基于主题的特征权重计算方法

专利自动分类是一个大规模、多层次结构的复杂文本分类问题.其中特征权重计算是一个关键环节,关系到专利的文本表示能否体现出主题信息的问题.本文通过分析专利(标题和摘要)的特点,提出了一种基于主题的特征权重计算新方法.该方法通过考察特征与主题的相关性来确定权重,使专利的文本表示更趋近于文章的主题.实验结果表明,该方法优于一般的权重计算方法,取得了较好的效果.