基于辅助短语标记的名词短语识别

名词短语的识别是自然语言处理领域中非常重要的子任务.而名词短语的识别性能与识别效率一直是研究人员关注的焦点,为了达到兼顾二者的目的,提出了一种基于辅助短语标记识别名词短语的方法.首先,在分析了短语不同分类体系的基础上,构建了一种映射公式,并根据该公式对不同分类体系的短语类别之间进行映射.然后,根据映射结果及短语的概率分布进行辅助短语标记的组合.实验结果表明,本文的方法在提高F值的基础上,有效地降低了系统的时间开销.     

基于模式匹配的中文问答系统

网络信息的迅速增长,传统搜索引擎的不足,促使了人们对问答系统的研究。首先介绍了一些问答系统相关知识;然后重点介绍了我们设计开发的基于模式匹配技术的中文问答系统;最后使用该系统进行实验,并给出实验结果与分析。实验结果表明,基于模式匹配的中文问答系统是有效的。     

统计学习与知识发现

知识发现是将知识从隐性转化为显性的一个过程,它是知识管理的重要组成部分.为此阐述了利用统计学习的知识发现方法,以及统计学习中主要使用的分类学习,并强调了使用数据驱动指导知识构建的合理性和优越性,最后结合实例分析了几个主要的统计学习方法及其应用.     

一种用于专利主题词抽取的模板自动生成方法

专利主题词是用以表述发明或实用新型名称的技术关键词,专利主题词的抽取是专利技术方案信息抽取的第一步,是填充信息抽取结果模板的有效依据和填充子之一。将信息抽取技术应用于中文专利摘要文本,在充分分析了专利摘要文本和专利标题特点的基础上,采用无指导的方法构建信息抽取模板,进而完成专利主题词的抽取。实验表明,该方法获得了较好的抽取效果。     

一种中医名词术语自动抽取方法

针对中医领域,提出了一种基于条件随机场的术语抽取方法,该方法将中医领域术语抽取看作一个序列标注问题,将中医领域术语分布的特征量化作为训练的特征,利用CRF工具包训练出一个领域术语模型,然后利用该模型进行术语抽取。选择《名医类案》作为中医领域文本进行术语抽取实验,取得了较好的效果,准确率为83．11％,召回率为81．04％,F-值为82．06％。     

基于SVM的疑问句问点语义角色标注

SVM(SupportVectorM ach ine)是一种基于结构风险最小化原则的分类算法,由于其完善的理论基础使其在小样本模式识别中表现出比其他算法更好的泛化能力。语义角色标注是一种浅层语义分析的方法。为了加深对问句的理解,对问句的问点进行语义角色标注是必要的。故将问点的语义角色标注视为分类问题,并提出了一种基于SVM的问点语义角色标注方法。在哈工大标准问句集上进行实验,取得了语义角色标注封闭测试91.4%,开放测试71.6%的正确率。实验结果表明本文所采用的方法是有效的。     

基于语义信息的问题分类

问题分类是问答系统的一个非常基础而重要的子模块。以问题的语义信息为分类依据,建立了一个新的问题分类体系,并提出了一种基于《知网》的自动分类方法。利用该方法对507个问题进行分类实验。实验中问题分类的平均召回率为93.72%,平均正确率为82.23%。实验结果表明,该分类方法是有效的并且以语义信息作为分类依据是可行的。     

面向英文专利文本单语模板的自动抽取方法

基于模板的机器翻译方法在专利文本的自动翻译中具有广泛的应用。由于专利文本具有形式规范,语言严谨,结构性强的特点,本文提出一种面向英文专利文本的单语模板的自动获取方法,这种方法首先通过分析专利文本结构并对其进行分类,然后对句子进行组块分析并分析句型,最后确定出模板的固定部分和可泛化部分进而对专利文本进行模板的自动抽取。实验结果证明了这种方法在专利文本的模板的自动获取上具有很好的性能。     

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。     

知识管理在军工企业中的应用

针对我国军工制造业企业信息化水平并结合未来发展需要,提出基于军工企业信息管理系统构建企业知识管理平台的设计方案。包括知识库总体结构的设计、以及知识积累和共享应用工具包的设计等。目的在于通过对工程数据信息和设计经验知识的有效融合,完善设计流程,优化设计方案,加快设计速度,提高设计质量,节约设计成本。