首页>中文会议>工业技术>自动化技术与计算机技术>第五届全国青年计算语言学研讨会(YWCL 2010)

第五届全国青年计算语言学研讨会(YWCL 2010)

召开年：2010
召开地：武汉
出版时间： 2010-10-11

主办单位：中国中文信息学会

会议文集：第五届全国青年计算语言学研讨会(YWCL 2010)论文集

会议论文

热门论文

全部论文

最新会议

更多>>

全选（0）

1.语言监测中词语构造能力的分析及其应用
- 曾小兵;邱丽娜;张普;张志平;杨尔弘
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：2005-2009年的国家语言资源监测工作已经积累了—些成果，这些成果应该设法转化为语言研究、语言教学、语言信息处理的可用资源。本文将探讨语言监测中词语的内部组成及其关系，统计并分析其中高频词语的能产性，一方面可以为更好地析取“部件词”提供参考。同时也可总结更多的词语结构规律。本文首先用定量统计的方法计算了高频词语的构造能力，并分析其主要特点，进而结合已有的类词缀研究，分别探讨词语部件与词缀的异同，最后从新词语提取的实践中看词缀与部件词在计算语言学中的应用。
2.面向汉韩机器翻译的隐喻研究及隐喻知识库构建设想
- 徐超
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：隐喻处理是自然语言处理的一个难点问题，隐喻处理必须有隐喻知识库的支撑。本文引介了国内外的几个典型隐喻知识库，从语言学和计算机科学的双重角度，分析了目前机器翻译中的隐喻处理策略。并且针对目前一些面向小语种的机器翻译忽略隐喻处理，导致翻译效率不高的问题，以韩国语为例，提出了一种面向汉韩机器翻译的双语隐喻知认痒的建设设想。
3.基于统计的词素切分算法
- 董兴华;杨雅婷;陈丽娟;周喜;吐尔洪·吾司曼
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：这篇论文描述了一种基于统计的词素切分算法，算法构建了一种数据结构，在该结构中语料库中的每个词都可以表示为它的词素的二叉树。因为每个词有不同的词素分割，算法选择使整体概率最高的分割，从而找到最优的词素词典和词的分割。我们用英语和维吾尔语作为实验数据，得出了较好的结果。
4.基于PMI-IR算法的Blog情感分类研究
- 段秀婷;何婷婷;宋乐
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：Blog信息源和信息量的广泛增长给中文文本分类带来了新的挑战。rn 本文提出了一种基于PMI-IR算法的四种情感分类方法来对Blog文本进行情感分类。该方法以情感词语为中心，通过搜索引擎返回的结果来计算文本中的情感要素和背景情感词之间的点互信息值，从而对文本进行情感分类。该方法在国家语言资源监测与研究中心网络媒体语言分中心2008年度的Blog语料和COAE2008的语料上分别进行了测试。与传统方法相比,准确率和召回率都有了较大的提高。
5.基于词典的名词性隐喻识别
- 贾玉祥;俞士汶
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：隐喻是用一个事物来类比另外—个事物的语言表达，在自然语言中非常普遍，要实现自然语言理解隐喻处理不可避免。本文针对最基本的隐喻类型——名词性隐喻，提出基于词典的识别方法。结合同义词词林的语义距离与HowNet的语义关系来识别隐喻，考察隐喻与语义距离及语义关系之间的关联。最后把基于词典的方法用于隐喻新颖性的度量。
6.基于树核函数的中文语义角色标注研究
- 王步康;王红玲;袁晓虹;周国栋
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：目前使用特征方法进行语义角色标注研究已经遇到发展瓶颈，性能难以进一步提高;而基于核函数的方法可以充分利用特征方法无法表示的结构化信息，有进一步研究的空间。本文使用SVM提供的卷积树核函数构造了—个中文语义角色标注系统，该系统以依存关系作为标注单元进行中文语义角色标注。本文重点描述了通过不同的裁剪方法来获得依存树的结构化信息，裁剪后的依存树分别为最短路径树和最小树。在中文ProDBank和NomBank的转换语料上的实验结果表明：使用最小树能得到系统的最佳性能，在动词性谓词和名词性谓词上分别获得82.87，76.40的F1值。
7.基于北大网库的语义角色分类
- 杨敏;常宝宝
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：语义角色标注的研究方法中使用最频繁的一类是基于特征工程，将任务转化成分类问题使用机器学习的方法来解决，而且几乎所有的有指导语义角色标注采用的标注语料都是宾州大学命题库标注体系。近年来，北京大学开发出—套新的标注语料-北大网库，本文的目的在于测试这类研究方法在新语料的效果，验证之前所使用的特征是否对标注语料具有依赖性。通过实验我们发现前人方法中的一些不足，尤其个别特征在北大网库上作用更关键。
8.基于例句语料库的现代汉语方位词用法自动识别研究
- 买志玉;赵丹;昝红英;张坤丽
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文根据目前已有的方位词研究成果以及已构建的现代汉语方位词用法词典和用法规则库，初步完成了对现代汉语方位词例句语料库的基于规则的用法自动识别，通过对自动识别结果的分析，调整和完善了现代汉语方位词用法词典和规则库，使基于例句语料库的现代汉语方位词用法自动识别准确率从56.41％提高到81.32％，为现代汉语方位词用法的机器识别打下一定的数据基础。
9.句法特征在动词词义排歧中的应用
- 王宏显;周强
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：特征选取是用统计方法进行词义排歧的关键。本文通过句法块的分析结果，将主语和宾语、以及主语和宾语在知网中的归类信息应用于目标动词的词义排歧。实验表明，句法特征对于目标动词的词义排歧有重要作用，相对于仅使用词语和词性特征的系统，加入人工标注句法特征后，拥有类动词正确率由83.7％提高到89.2％，存在类动词正确率由84.8％提高到86.1％。
10.基于TCRF的核心框架元素标注
- 王智强;刘海静;李双红;李茹
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文基于TCRF(tree structured conditional random field)模型对汉语框架网(CFN)中的核心框架元素进行了自动标注研究。该方法抽取了依存树中父节点层而的特征，使得标注结果在词与词性层而特征的基础上有一定程度的改善。实验选用了CFN中“发明”框架下的句子库，在加入父节点相关特征的最优模板中，核心框架元素自动标注结果的准确率84.3％，召回率62.0％，F值71.5％。
11.基于规则的现代汉语连词用法自动识别研究
- 周丽娟;张坤丽;袁应成;昝红英
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：连词能够连接词语、句子乃至篇章，具有特殊的连接功能，用法复杂多样。目前已有的连词研究成果大都是面向人用的，对连词用法的描述难以避免主观性和模糊性，很难直接应用于自然语言处理领域。本文采用“三位一体”的构建现代汉语广义虚词知识库的思想，给出了连词用法词典和用法规则库，并针对连词的连接功能，对连词用法的自动识别做出了不同于其他虚词的特殊处理。实验结果表明，这种基于规则的方法能够较好地用于连词用法的自动识别。
12.汉语句法成分中心词自动识别方法的研究
- 任晓娜;王莹莹;周俏丽;蔡东风
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文提出一种基于层叠条件随机场的统汁和规则相结合的句法成分中心词自动识别的方法。首先将输入的—个标有句法成分的句子分为底层组块和高层短语，分别对这两部分训练两个不同的模型，并逐层进行中心词识别;然后通过规则库和实例库分别进行后处理;最后将这两部分的识别结果进行合并，即得到句子中所有句法成分中心词的最终识别结果。在CIPS—ParsEval-2009评测语料的基础上，本文采用的方法相比于去年本单位采用的方法减少了0.2％错误率。
13.汉语的计量特征在语言风格对比及作家判定中的应用——以韩寒《三重门》与郭敬明《梦里花落知多少》为例
- 陈芯莹;李雯雯;王燕;王璐;阚明刚
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：提出了将语言计量研究成果应用于语言风格对比及作家判定中的方法。通过对两个75，000字的语料中12个语言结构特征分布的统汁对比，发现了7个具有显著分布差异的语言结构特征。并以这7个语言结构特征作为文本表示特征对两个75，000字的未知作家文本做了相关性分析，并准确判定了未知作家文本的作者。以语言结果的计量特征表示文本的方法加强了语言风格对比及作家判定研究的可解释性，具有较高的理论和应用价值。rn 以语料库和统计方法进行语言结构特征计量研究是汉语语言风格描写研究及作家判定研究的重要方法。
14.基于电影对白的现代汉语普通话语音历时对比分析
- 王燕;刘俊;阚明刚;侯敏;邹煜
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：普通话已经走过了近百年的历程，目前还很少有人对普通话的历时语音变化及其韵律特征进行系统的实验研究。本文以2005年颇具代表性的广播电视谈话体语料为基准数据，选取《现代汉语普通话数字化样本库》中50年代和70年代拍摄的同名电影语料，对其中主要人物对白的音高、时长等语音特征进行历时的对比研究。rn 经过分析，我们发现：70年代普通话的音节时长均值要长于50年代，其中阴平调表现尤为明显;在音高方面，高音点和低音点也都高于50年代，音域也较宽。这说明70年代的语音在发音上显得较夸张、不自然，这与六七十年代那段特殊的历史时期有关。
15.汉、蒙、藏、维分词与词性标注技术发展现状研究
- 通拉嘎
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：中文信息处理用各种统计方法实现精度的提高，而规则的运用更多是在歧义和未登录词的研究上。蒙古语的统计方法发轫于近几年，但更多的是一种理念的进步，仍是以词干加附加成分的规则方法为主，现有AYIMAG和DARHAN切分和词性标注系统。藏文较多运用规则加统计的方法，也有直接运用viterbi算法进行分词的成果，其基于规则的方法是用格助词和词典库进行分词;现有北大计算语言学研究所和国家语言资源监测与研究中心少数民族语言分中心的藏文自动分词系统，不过还未见藏文词性标注系统的实现成果。维吾尔语有基于隐马尔科夫模型的viterbi算法与基于n-gram模型的尝试，其规则方法仍足词干加附加成分的切分理念，现还未见可用的切分与标注系统。
16.从迭句中辨识出三类花园幽径句
- 池哲洁;池毓焕;张全
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：在大句的范围内小句的组织结构会呈现某些特定的模式，即大句范式。而范式的运用存在着语种间的有无或常用罕用之别，需要在翻译时予以变换。迭句与花园幽径句都是汉语的常用大句范式，而且二者容易混淆。rn 本文着重探讨在汉英机器翻译时如何把花园幽径句从无头迭句中识别出来，给出具体的辨识算法，并提出相应的汉英转换规则，在实验结果部分分析了该算法的不足之处和改进之道。
17.一种改进词语对齐的新方法
- 罗维;吉宗诚;吕雅娟;刘群
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：词语对齐是目前主流的统计机器翻译系统的基本模块，GIZA++是词语对齐最常用的工具，但是GIZA++的对齐结果仍然存在不足。本文从约束双语命名实体之间的对齐的角度出发，提出了一种改进词语对齐结果的方法：首先，识别双语命名实体;其次，用标记替换双语命名实体;再次，用GIZA++重新进行词语对齐;最后，将标记还原为原始的命名实体。实验表明，针对基于短语的机器翻译系统，该方法提高了NIST值，并且该方法还有改进空间。
18.题录信息的机器翻译方法
- 李贤华;于淼;吕雅娟
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文针对题录信息中的人名、地址、机构名和公司名的不同特征，分别设计了不同的翻译方法，并依靠词典和翻译规则，实现了大部分内容的翻译。对于人名翻译，本文设计了拼音转换、假名转换和同音转换的翻译方法;对于地址、机构名和公司名的翻译，本文提出了先切分、再翻译、最后调序的翻译流程。实验表明，利用本文的方法翻译人名、地址、机构名及公司名，能够取得不错的效果。
19.汉藏短语抽取
- 诺明花;张立强;刘汇丹;吴健;丁治明
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文将从汉藏法律法规和公文领域平行语料中提取双浯短语对。考虑现阶段藏文资源不足，提出两步汉藏短语抽取方法。第—步是提取汉语语块，这部分工作不是本文工作重点。第二步是获取待翻译汉语短语的译文，该模块提出藏文词序列相交算法抽取藏文短语。该算法可以很好的抽取1-1和1-n连续和非连续藏文短语。
20.中文博客标签调查分析及标签推荐模型的研究
- 宋洪鑫;李蕾;刘冬雪
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：随着标签作为web2.0时代一种重要的资源描述方式引起了人们极大的重视。本文主要分析了中文博客网站标签的标注情况，包括标签分类、热门标签、命名实体、网络流行语等，在此基础上总结了一些标签标注的规范。并提出了一种基于分类和主题词提取的标签推荐模型，目的在于帮助blog用户能够更准确的通过标签来描述自己的资源，以及在blog搜索中发挥更好的作用。本着大众分类的标准，验证了该模型有较好的性能。
21.汉语情感问题类型分类研究
- 葛正荣;李婷玉;姚天昉
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：随着网络搜索引擎技术的飞速发展，对于问答系统的需求愈发迫切。而问答系统处理问题的第一步就需要分辨情感问题和非情感问题并对情感问题进行分类。本文首先分析了当前问答系统和问题分类领域的研究现状，总结了一些存在的问题。然后针对情感问题从三个方面进行分类。在语义层面，提取了三个
22.面向音乐领域的文本检索与挖掘系统
- 付瑞吉;秦兵;刘挺
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文介绍了一个面向音乐领域的文本检索与挖掘系统——八维音乐资讯，主要通过信息抽取技术，对音乐领域的大量半结构化和非结构化的文本进行深层次的挖掘，从中抽取出有价值的信息，转换为结构化数据，目的是为用户提供精准化、全方位的音乐检索结果。该系统从人、物、时、空、评价、数量、事件和关系八个角度出发，集成了命名实体识别、关系抽取、事件抽取、倾向性分析、问答等多项自然语言处理和信息抽取技术。系统没计采用MVC架构，包括3层结构：模型层、控制层和视图层。总之，该系统将已有的信息抽取技术应用于音乐垂直检索系统，具有一定的新颖性和实际意义。
23.基于维基百科类别的文本特征表示
- 王锦;王会珍;张俐
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文提出了基于维基百科类别体系的文本特征表示方法，该方法将文本中的词映射到维基百科的类别体系中，使用类别作为特征来对文本进行表示。基于维基类别的文本特征表示方法可以增强文本特征表示能力，降低文本特征空间维数。针对维基百科条目在语料中覆盖度不足的问题，本文提出了一种基于全局信息自学习维基百科类别的方法。本文构造基于维基百科类别为文本表示的分类系统，实验结果证明，基于维基百科类别作为文本表示特征，相对于词袋模型，具有明显的降维效果，在特征数为700个时，分类的F1值提高了5.14％。
24.基于日志分析的中文输入法用户行为研究
- 许丹青;刘奕群;岑荣伟;马少平;茹立云;杨磊
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：与拼音文字不同，用户在进行中文输入时需要借助输入法软件完成从拼音串到汉字串的转换过程，输入法因此成为中文用户进行人机交互的基础性工具，而输入法的相关技术研发也一直是学术界与产业界的关注热点。在中文输入法技术的研究中，用户的行为特点对输入法软件的词库建立、算法设计、交互方式设计与性能评价等多方面都有着至关重要的作用，但由于数据获取与分析的困难，这方面的相关研究尚不多见。本文利用某中文输入法在用户许可下收集的超过4.1亿条用户输入行为记录，进行了中文输入法用户行为的分析研究，针对不同类别应用程序的输入词频差异，不同用户在同类应用程序中的不同候选词条的选择等行为特点进行了挖掘分析，研究结果会对深入了解中文输入法用户行为，进而改进输入法软件性能具有一定的指导意义。
25.俄语军事缩略语知识库的构建
- 徐进
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：缩略语是几乎所有的语言中都存在的语言现象，它把必要的信息压缩到在接触的一瞬间就能立刻了解的程度，使语言的使用和表达更加的便捷和快速。由于缩略语本身具有的简洁、快速等特点，且具有一定的保密性，所以在军事领域中的应用更为广泛。缩略语的广泛使用，也成为自然语言处理中无法回避的问题，日益受到自然语言处理的研究的重视。本文试图从理论上研究建立一个收词量大、内容全面、便于查询的俄语军事缩略语知识库，以方便计算机对缩略语的自动处理。
26.基于句子级的领域倾向词表构建
- 张小琴;蒋秀凤
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：领域倾向性词典有助于提高文本倾向性挖掘的精度，是文本倾向性挖掘研究的一个热门话题。本文分析了文本级算法构建词表的局限性。提出了一种基于句子级的领域词表构建算法。该算法引入了拉普拉斯平滑计算相关性，并将文档词频和逆文档频率的概念扩展到句子级，最后采用IB算法来对候选词进行聚类。采用该方法对酒店领域的语料进行领域倾向性词表的构建，得到了准确率为71.55％的结果。
27.移动终端机器翻译设备的解码定点化方法
- 李响;徐金安;刘群;吕雅娟;姜文斌
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：面向移动终端的统计机器翻译设备的需求越来越多，但翻译速度受无浮点运算单元的处理器制约。本文提出了一种对统计机器翻译的解码定点化方法，缓解了无浮点运算单元的处理器对翻译速度的影响。基于PC和移动终端的实验表明，定点解码器在保证翻译质量的情况下，其定点运算速度较浮点运算提高135.6％。因此，本方法可以有效地提高浮点运算能力薄弱的移动终端统计机器翻译设备的翻译速度。
28.基于规则的名词短语预调序
- 牟小峰;荀恩东
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：短语预调序是提高机器翻译效果的有效手段。本文通过对英汉翻译中名词短语结构的分析，总结得到名词短语调序规则，通过将这些规则进行短语预调序，提高了最终的翻译效果。为了缓解专家规则覆盖范围太大的弊端，本文从大规模双语语料中自动获取实例规则。rn 通过使用专家规则与实例规则进行短语预调序，进一步提高了英汉翻译的效果。
29.隐喻化新词的考察
- 李惠;冯敏萱
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：隐喻是通过一种领域内的词汇来描绘另一种领域内的现象，目的是为了理解、认知新事物。它是创造新词新义最经济的手段。隐喻化新词是以一定的语音形式用已存在的概念去表达新事物的词语。随着社会的发展，这样的新词大量出现并成为一种社会现象存在。这是一个以联想为基础，由源域向目标域映射的过程。rn 本文从隐喻角度出发，基于搜狐语科，对新词语的语义特点和结构特征进行分析，并建立规则库，提出未登录词的识别和获取方法，设计实验，制订隐喻新词词表并实现隐喻化新词的自动识别。
30.基于法律文本的藏语句子边界识别
- 赵维纳;刘汇丹;于新;吴健;张普
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：由于传统藏语书写中标点符号的特殊性，在藏语句子中如何找到正确的句子边界，是正确识别句子的首要问题。本文通过对藏语法律文本语料的观察，利用规则提出了一个藏语句子边界的识别算法。同时对藏语法律文本的句式特点进行初步的分析和探讨。
31.基于Uniscribe和OpenType的蒙古文字处理软件MWord的设计与实现
- 斯·劳格劳;华沙宝;萨如拉
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：MWord是一种集文本、表格、图形、图象处理于一身的字处理软件，它采用OpenType字库技术和Uniscribe布局引擎解决了Windows环境下蒙古文编码国际标准的实现问题。rn 本文重点介绍了MWord的内部数据模型、文档格式(外部数据模型)以及采用OpenType字库和Uniscribe布局引擎后蒙古文文本的编辑、解释、排版和输出技术。
32.Win32平台下女书拼音输入法的设计与实现
- 王鹏;孙茂松
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：女书是中国湖南省江永县流传的世界上唯一的女性专用文字，是人类文明的一朵奇葩，目前正在申请世界非物质文化遗产。女书研究的发展对女书数字化提出了迫切需要。rn 女书输入法是女书数字化建设的基础性关键技术之一，能够大大加快女书资料的录入速度。本文介绍了Win32平台下的IME机制、该机制的主要接口函数，以及利用该机制实现女书输入法的原理。此原理可能推广到其他语言文字输入法。
33.基于最大熵短语重排序模型的特征抽取算法改进
- 孙萌;姚建民;吕雅娟;刘群;姜文斌
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文针对统计机器翻译中基于最大熵短语重排序模型特征抽取算法。提出一种改进算法。该算法能够抽取出更多准确的短语重排序信息，特别是逆序短语的特征信息，解决了原算法中最大熵训练时特征数据不平衡问题，即保序短语特征信息数量远超过逆序短语信息数量，提高了翻译中短语重排序的准确率。本文以NIST MT 05作为汉语到英语翻译的测试集，实验结果表明改进后的系统BLEU值比原系统提高0.65％。
34.基于信息结构的突发事件文本事件信息自动抽取策略研究
- 曾青青;杨尔弘;朱丹青
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：事件信息抽取是自然语言处理中一个较新的领域，汉语方面还有很大的研究空间。本文提出了一个以完整突发事件文本为处理对象的事件信息抽取策略。目前语义角色的识别和分类多是基于句子，针对一个完整语篇进行信息自动抽取更加复杂。我们的方法是通过主副线信息结构链的构成分析，确立了突发事件文本三级层次的事件框架体系，并在此基础上首先过滤副线信息链，然后识别事件词，进而进行论元及事件属性的识别以及分类，形成结构化的数据。
35.面向传媒语言语料库的关键词自动抽取研究
- 吴继媛;孙淳;侯敏
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文根据广播电视语言及其关键词的特点，提出通过建立过滤词典过滤垃圾串直接切分短语，并将切分好的短语序列作为关键词候选，进而对其进行各种权重因子的加权计算，最后根据统计结果按序抽取关键词的研究策略，构建了一个名为“传媒语言语料库关键词自动抽取”的软件系统。经过封闭和开放测试，该系统达到了实用性的要求。
36.面向查询的多模式自动摘要研究
- 李芳;何婷婷
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：为了满足用户的个性化需求，提供尽可能丰富、实用、方便的文摘结果，本文设计了面向查询的多文档自动文摘的多种摘要模式。在将查询返回的文档集合表示为以文本、段落为节点的双层复杂网络结构以发现子主题的基础上，除传统的摘要模式外，本文又设计了概括摘要、偏重摘要、全局摘要和详细摘要这四种摘要模式，并给出了各种摘要的生成方法。支持用户以主题为线索自主漫游，按照一定的逻辑顺序浏览信息。
37.基于语句相似度的网页标题抽取方法
- 李国华;昝红英
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：目前网页标题的抽取方法大多利用HTML结构和标签特征生成特定规则进行抽取，但是这些方法只考虑到了HTML的统计特点，没有考虑标题与正文信息之间的关系。本文提出一种基于相似度的网页标题抽取方法，充分利用了网页标题与正文信息之间的关系，通过计算两两“单位”之间的相似度和对应的权值，并引入HITS算法模型对权值进行调整，根据特定的选取方法抽取出真实标题。rn 实验结果表明，该方法不仅对“非标准网页”的抽取达到满意的效果，而且对“标准网页”具有较高的泛化能力。
38.LDA主题驱动的中文多文档自动文摘方法
- 张明慧;王红玲;周国栋
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：多文档自动文摘能够帮助人们自动、快速地获取信息，本文实现了一个基于主题模型的中文多文档自动文摘系统，其中主题模型采用浅层狄利赫雷分配(LatentDirichlet Allocation，LDA)，该模型是—个多层的产生式概率模型，能够检测文档中的主题分布。该方法使用LDA为多文档集合建模，通过计算句子在不同主题上的概率分布之间的相似度作为句子的重要度，并根据句子重要度进行文摘句的抽取。实验结果表明，该方法所得到的文摘，性能优于传统的文摘方法。
39.唐诗文本自动分类的算法研究
- 匡海波;陈小荷
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文旨在研究如何基于题材和感情，试对唐诗文本进行自动分类，即对现行的通用文本分类算法，做基于唐诗文本的比较实验和参数微调。本文的目的在于初步试探唐诗自动分类算法，发现算法的“关节”和“焦点”，为以后大规模唐诗文本的自动分类研究打下基础。
40.基于主题情感句的汉语评论文倾向性分析
- 杨江;侯敏;王宁
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：提出一种基于主题情感句的汉语评论文倾向性分析方法。根据评论文的特点，采用基于词语n-gram匹配的方法识别主题，通过对比与主题的语义相似度和进行主客观分类抽取出候选主题情感句，计算其中相似度最高的若干个句子的情感倾向，将其平均值作为评论文的整体倾向。基于主题情感句的评论文倾向性分析方法避免了进行篇章结构分析，排除了与主题无关的主客观信息。实验结果表明，该方法准确率较高，切实可行。
41.IR4QA系统中基于维基百科的查询扩展
- 周斌;刘茂福;陈建勋
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：针对信息检索中文档与查询之间的词不匹配问题，研究者们提出了许多有效的解决方法，其中，查询扩展是一种非常重要的技术手段。本文提出了一种基于维基百科的查询扩展方法。通过对此方法在IR4QA系统中的表现分析，表明对于某些特定类型的问题，该方法可以使查准率有一定的提高。
42.音乐领域典型事件抽取方法研究
- 丁效;宋凡;秦兵;刘挺
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：事件抽取是信息拙取领域—个重要的研究方向。本文从音乐领域的事件抽取出发，通过领域事件词聚类的方法自动发现音乐领域具有代表性的事件，然后采用基于关键词与触发词相结合的过滤方法简化了事件类型的识别过程。在事件元素识别中，本文采用了基于最大熵的事件元素识别方法。在本文构建的语料库下，最终事件类型识别的平均F值达到82.82％，事件元素识别的平均F值达到75.79％。
43.依存信息在蛋白质关系抽取中的作用
- 刘兵;徐华;钱龙华;周国栋
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：基于核函数的蛋白质关系(PPI)抽取可以捕获结构化句法信息，取得了较高的性能，但计算复杂度过高。rn 本文结合词汇、句法信息，重点探讨了依存信息对基于特征向量的蛋白质关系(PPI)抽取的影响。研究表明，依存信息和基本短语块信息可以有效提高基于特征向量的PPI抽取性能。本文在多个PPI语料库上进行了实验，其中在AIMed语料上的实验取得了F测度为54.7的较好性能，是目前基于特征向量的PPI抽取系统的最好水平。
44.基于句对质量和覆盖度的统计机器翻译训练语料选取
- 姚树杰;肖桐;朱靖波
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文研究的目的是在待翻译文本未知的情况下，从已有的大规模平行语料中选取—个高质量的子集作为统计机器翻译系统的训练语料，以降低训练和解码代价。本文综合覆盖度和句对翻译质量两方面因素，提出—种从已有平行语料中获取高质量小规模训练子集的方法。在CWMT2008汉英翻译任务上的实验结果表明，利用本文的方法能够从现有大规模语料中选取高质量的子集，在减少80%训练语料的情况下达到与baseline系统(使用全部训练语料)相当的翻译性能(BLEU值)。
45.基于流形排序的领域词抽取方法
- 宋涛;李素建
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：领域词通常是由—个或多个领域部件词组成的短语，其领域性主要由部件词体现。由此，本文收集领域文本，将其中候选短语构建成短语网，并提出假设：具有相同部件词的领域词之间具有紧密的联系，互相推荐。rn 在此假设下，本文利用领域词的内在联系，引入基于流形的半指导排序方法，标记少量领域词，通过短语网将领域性分数进行传播，从而计算出所有短语的领域性分数，选取高分的短语作为领域词。我们在4个领域上进行了实验，结果表明该方法的有效性。
46.从语义关系的复杂性看语义词典建设
- 严灿勋;刘慧敏
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：语义理解已经成为计算机处理自然语言的瓶颈问题计算机实现自然语言理解，离不开语义词典。rn 虽然目前已经开发出来—部分语义词典，但是，从词汇语义学、句法语义学和篇章语义学来分析，这些语义词典并不能全面反映语义关系。在帮助计算机理解自然语言方面，我们必须综合语言学、计算机科学和认知科学，不断探索研究。
47.汉语对应英语定语从句结构的一种自动翻译方法
- 王雷;常宝宝;俞士汶
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：受到西方语言语法体系的影响，现代汉语中能够翻译成英语对应的从句的结构越来越多。但是因为汉语传统的语法结构与西方语言语法体系有着很大的不同，利用西方语言的句法分析方法对汉语句子进行语法分析始终无法达到令人满意的结果。句法分析效果不佳，就导致了像从句这类具有嵌套结构的句子翻译效果不会很好。rn 本文尝试利用机器学习中的条件随机场方法先对这类从句结构进行识别，然后利用中心词转录机的方法进行基于依存关系的句法分析并同时进行自动翻译，实验证明这种方法在此类句子的翻译中会获得比统计机器翻译系统更好的效果。
48.利用依存限制抽取长距离调序规则
- 涂兆鹏;刘群;林守勋
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：长距离调序仍然是大多数统计机器翻译系统的一个重要问题。层次短语模型提供了一个很好的解决方案，它使用层次短语规则可以很好地表示局部调序和长距离调序。但是，使用传统的算法抽取长距离层次规则将会导致规则表数量急剧增加，从而加大解码内存和时间消耗。为了解决这个问题，我们提出了一种利用依存限制抽取长距离调序规则的新方法。我们的实验表明，我们的方法可以比基准系统高出0.74个BLEU点。
49.维基百科人物属性自动获取方法研究
- 孟新萍;王会珍;张俐
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：人物属性抽取是人名搜索引擎和社会关系网络构建的重要基础。本文提出了一种从维基百科中自动获取人物属性的方法。该方法利用人物类维基文本现有信息盒中的“人物姓名-属性-值”三元组关系，对给定的每个属性，将人物姓名和属性值标记到维基自由文本中，自动生成带标注的数据集。利用该数据集使用机器学习的方法自动生成模板，通过模板匹配从维基文本中获取更多的属性信息，同时也达到了生成完整的信息盒的目的。rn 实验证明，该方法可以有效的抽取出人物的属性。
50.一种适用于语言模型的检索词扩展方法
- 张斌;周延泉
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：近年来信息检索有了越来越广泛的应用，如何给用户提供准确的信息也显得尤为重要。对于给定的主题判断某一句话或某一篇文章是否与所给主题相关以及相关的程度是信息检索的重要基础。目前判断相关性的方法有很多，其中基于关键词的相关性识别是常用的方法，该方法的优势是实现容易且准确率较高。我们把这里的关键词称为检索词，检索词的好坏将直接影响最后的检索结果。一般情况，只从原始的查询语句提取检索词往往不能得到满意的检索结果，还需要采用一定方法对原始的检索词进行扩展。本文通过对比试验，比较了几种不同方法对检索词进行扩展的结果，并给出了一种有效的适合语言模型的扩展检索词的方法。
51.基于汽车领域的情感问答系统设计与实现
- 栾家阳;张文波;姚天昉
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：传统的问答系统通常只针对比较简单的、基于事实的问句。随着网络上大量的评论信息的涌现，针对这类信息的观点和情感问题的答案往往不是唯一的。因此，专门针对情感问题的情感问答系统已经成为一个研究热点。本文设计和实现了一个基于汽车领域的情感问答系统。首先介绍问答系统相关知识以及本文问答系统的构造，然后重点介绍语料库的生成，情感候选答案检索和分类过程中主题匹配，答案的条件过滤以及排序的实现，最后对实验结果进行分析并提出将来的工作。
52.基于音系理论的变调自动处理模型
- 贺俊杰
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：汉语各方言表现出来的变调现象十分复杂。本文以在变调模式和机制方面具有代表性天津话和丹阳话等方言为例，说明基于管辖音系学的变调自动化处理模型具有跨方言的算法内核一致性、算法代码精简性以及方便的可移植性等特点。这些优点都源于管辖音系学特有的声调表征模式及声调音系过程解释机制。
53.基于声频特征的维吾尔语语音端点检测方法
- 杨雅婷;马博;王磊;吐尔洪·吾司曼;李晓
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：针对传统基于短时能量和短时过零率的端点检测方法中存在的对清音检测性能以及抗噪声性能较差的缺点，结合维吾尔语的声频发音特征，提出了一种计算较为简单，受噪声影响较小的语音端点检测新方法—基于声频特征的维吾尔语语音端点检测方法。实验表明，该方法能有效提高噪声环境下维吾尔语语音端点检测的性能。
54.基于XML的语言技术平台
- 李正华;车万翔;刘挺
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文提出了一个基于XML数据表示的中文自然语言处理框架：语言技术平台(LanguageTechnology Platform，LTP)。LTP包括六个组成部分：基于LTML(Language Technology MarkupLanguage)的数据表示方法、基于LTML的语料库资源、面向中文的语言处理模块、基于动态链接库(DLL)的应用程序接口、可视化工具、以及网络服务WebService。LTP采用了分层的结构，涵盖了词法分析、句法分析以及语义分析等六项语言处理任务。LTP免费向学术界共享，很多研究单位已经在LTP基础上做出了科研成果。
55.基于百科知识库的主题扩展研究
- 闻彬;何婷婷
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：由于目前的主题扩展方法不能从根本上改善信息检索的性能，提出一种基于百科知识库的主题扩展方法。rn 百科知识库中对于主题进行了详细介绍，包含了大量的语义信息。rn 本论文利用百科知识库扩展解决了传统主题扩展中没有融入语义信息的问题。实验证明，利用百科知识库得到的扩展词在检索上可以得到了很好的效果。
56.越南语文献中字母缩略语自动提取研究
- 张海云;张超静;毕玉德
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：缩略语的使用顺应了语言的经济原则，但是也造成了越南语自然语言处理中的诸多障碍。本文在分析大量越南语字母缩略语使用特点的基础上，根据越南语字母缩略语词法、句法等特点，采用基于规则匹配的方法进行自动提取，最后生成一个缩略语及全称对应表。实验结果表明，本系统对已定义字母缩略语及其全称自动提取的准确率达到98.04％，召回率达到78.13％，F值灰到86.96％。
57.基于流行排序的查询推荐方法
- 朱小飞;郭嘉丰;程学旗;杜攀
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：针对传统查询推荐方法中存在的相关性度量问题和冗余性问题，本文中提出了一种新的基于流行排序的查询推荐方法。该方法利用查询数据内在的全局流行结构来获得查询之间的相关性，可以有效避免传统方法中相关性度量对高维稀疏查询数据处理的不足;同时，该方法通过提升结构上具有代表性的查询来达到减小查询推荐的冗余性。在—个大规模商业搜索引挈查询日志上的实验结果表明：使用流行排序的查询推荐方法要优于传统查询推荐方法和现有的Hitting-time Ranking方法。
58.少数民族汉语考试作文自动评分的特征提取研究
- 蔡黎;彭星源;柯登峰;赵军
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：随着计算机的普遍应用以及计算机技术的飞快发展，计算机自动性测试和计算机自适应性测试都已先后成为现实，这样计算机自动评分就成为了人们所希望的下一代计算机自动工具。中文自动评分系统的研究尚处于起步阶段，据我们了解还没有一个能大规模使用的系统.本文研究了许多前人的工作，并复现部分特征，但是特征的相关度不是很理想。在本文中，我们利用统计自然语言处理和信息检索技术提取作文写作水平和作文主题特征。实验表明，利用本文提出的特征的相关度好于以前的特征。
59.一种基于认知情景框架的文本分类方法
- 李月伦;李湘;常宝宝;袁毓林
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：在文本分类领域，常用的特征选择方法(如文档频率)是基于概率统计信息的。本文从一个全新的角度，即基于认知情境的语义框架的角度进行特征选择，这种方法可以较准确地抓住文本类别的特征，对提高分类精度与分类效率起到促进作用。由于基于机器学习的文本分类方法近年来得到了广泛的关注与快速的发展，本文运用最大熵分类器，以“罢餐”类文本为例进行文本分类实验，召回率可达96.8％。
60.基于LDA的关键词抽取方法
- 翁伟;王厚峰
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：这篇论文介绍了一个新颖的关键词组提取方法。该方法使用了LDA模型。方法通过LDA模型来获得文档的主题信息，通过将这些信息与其它特征信息整合起来，给短语进行了打分，分数高的被挑选为关键词组。实验结果体现了该方法的有效性和可行性。
61.现代韩国语“控制”类动词下位语义分类研究
- 陈洁;毕玉德;李琳
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：在自然语言处理研究领域，动词分类一直广受关注。本文以面向现代韩国语信息处理为目的，抽取韩国语中具有典型研究意义的“控制”类动词，在其基本语义特征集的基础上选取下位语义特征集，并以此为依据对“控制”类动词进行了初步的下位语义分类，构建了初步的“控制”类动词下位语义分类系统。
62.“非常”、“特别”还是“相当”——基于语料库的用法计量研究
- 阚明刚;王燕;王华英
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：用语料库获得数据来观察近义词在使用方法上的区别从而发现它们的使用规律是一种有效方法。rn 本文利用报纸语料库和有声媒体部分语料库，并通过自建玄幻小说语料库，对“非常”、“特别”和“相当”进行了定量考察，研究了各个词内部自身功能的使用概率、相同用法在语域上的分布、以及作近义词时相互之间的互换能力。
63.基于动态流通语料库的连词考察
- 李艳娇;杨尔弘
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：连词使用范围报广，越来越受到语言学研究的重视，同时也是语言教学中的重要一环。已有的连词研究多是定性的对连词范围、功能、用法的研究和探讨。本文在国家语言资源监测与研究中心平面媒体分中心的动态流通语料库上，以五年(2005—2009)语料为基础，定量考察现代汉语连词在语料中的分布，对连词的常用、罕用情况、历时的稳定性等分级分量进行考察，并对其分布特点进行归纳和总结。
64.基于标注语料库的现代汉语状元槽序研究
- 周明海;亢世勇
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：句义的核心内容由命题和情态两部分构成，格关系和槽关系是对命题的深入研究，副词、能愿动词等状元则是情态的一部分，目前中文信息处理领域还缺乏深入、系统的研究。本文在介绍前人研究成果的基础上，从“事件描述块句法语义标注语料库”中抽取了副词、能愿动词连用的句子929个，对现代汉语状元的槽序进行了深入的研究，共得出现代汉语状元槽序120种，其中两个槽类连用的共774个、52种，三个槽类连用的共145个、58种，四个槽类连用的共10个、10种。现代汉语状元槽序虽然复杂，但使用频率较高的相对集中。rn 最后我们根据120种槽序总结出了状元连用的级位链。
65.基于网络百科全书的中文关联语义知识获取
- 杨柳;何婷婷;涂新辉
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文提出了一种用语义标签、语义指纹来表示关联语义知识的形式化方法，其中语义标签指代语义中的一个知识单元(也即概念)，语义指纹是对语义标签所指代概念的描述，由语义标签的相关词语及其关联度共同组成。本文提出了一种从网络百科全书获取中文关联语义知识的方法，通过该方法获得语义标签的相关词群，利用网络百科全书中的内部链接和开放分类信息计算每个相关词语与语义标签的关联度。通过与人的判断进行比较，说明了本文提出的计算语义标签与相关词语关联度的方法的有效性。
66.特定主题概念关联的挖掘及其表示式的实现
- 丁泽亚;缪建明;张全
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文提出了一种特定主题概念关联知识挖掘的方法。在实际特定主题的语料基础上，本文使用了信息增益的方法选取出主题关键词，并对关键词所对应的关联概念进行统计，结合对应关键词的重要程度值，赋予这些关联概念以权重值，从而根据权重值得到特定主题下的概念关联知识及其表达式。通过实验证明，该方法是有效的。
67.基于错误驱动的现代汉语方位词用法规则的自动更新
- 吴云鹏;昝红英
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：基于规则的现代汉语方位词的用法标注有助于文本内容的自动理解，由于人工制定的规则具有不完备性，为了提高准确率，往往需要人为考察错误标注语料来完善方位词的用法规则，这是费时费力的事情。本文尝试采用基于错误驱动的原理设计一种可行的算法让机器实现用法规则的自动更新，实验结果表明本算法能实现大部分方位词的用法规则的自动更新，进而提高了方位词用法标注准确率。
68.基于概率潜在语义分析的词汇情感倾向判别
- 宋晓雷;王素格;李红霞
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文利用概率潜在语义分析，给出了两种用于判别词汇的情感倾向的方法。一种是使用概率潜在语义分析获得每个目标词和基准词之间的相似度矩阵，再利用投票法决定每个目标词的情感倾向;二是利用概率潜在语义分析对目标词进行语义聚类和扩展，自动找到每个目标词的同义词，然后采用基于同义词的词汇情感倾向判别方法对目标词的情感倾向做出判别。这两种方法的优点均在没有外部资源的条件下，可以实现情感倾向的判别。
69.朝鲜语对格的语义角色分析
- 李琳;毕玉德;陈洁
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文借鉴Fillmore格语法理论，结合朝鲜语句子形式化和词缀丰富的特点，对朝鲜语对格形式特征和下位语义分类等方面进行了系统的考察，并统计分析了知识库中相关的各种句法和语义结构，希望对朝鲜语的句法语义分类研究有所帮助。
70.上下文边界可变的贝叶斯分类器词义消歧方法
- 吴崇斌;张全
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：词义消歧在自然语言处理中具有重要作用，而基于贝叶斯分类器的的方法是一种较为常见的词义消歧方法。本文针对基于贝叶斯分类器词义消歧方法所需的特征的上下文边界进行探究，提出在训练过程中对特定多义词给出在训练中使该词的词义消歧效果最优的上下文边界，即上下文边界可变的贝叶斯分类器词义消歧方法，通过实验证明该种方法对词义消歧正确率有一定的提高。
71.事件预期属性的标注
- 邹红建;杨尔弘
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：事件属性信息对于精细刻画事件信息是必须的。本文对事件的预期属性这一新的事件属性进行分析，证明了预期属性是独立的事件属性，有必要进行相应的标注，并将之与相关范畴进行了区分，并分析了该属性出现的事件类别，以及表达该属性的语言形式。初步的实验标注证明了标注事件的预期属性的定义的合理性以及标注的可行性。
72.基于MC-Value的非句蜕广义对象语义块的边界识别
- 臧翰芬
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：多词语单元识别问题是目前计算语言学的研究热点之一。多词语单元是一个描述相对完整的若干词语组合，包括固定或半固定搭配。在语义块分析系统中，本文采用修改后的C-value方法自动识别汉语非句蜕广义对象语义块，以词语、词性为特征自动识别非句蜕广义对象语义块边界，探讨了识别的统一度(Unithood)原则。在计算机辅助下，得到了非句蜕广义对象语义块的参考答案集，并进行了小范围的封闭测试和开放测试，封闭测试的正确率和召回率分别为75.31％和70.5％，开放测试的准确车和召回车分别为73.44％和60.5％。
73.汉语语篇修辞结构标注实验
- 邱武松
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：本文介绍了我们利用修辞结构理论的理论框架进行汉语语篇修辞结构标注的实验，论述了汉语语篇结构标注的基础理论选择理由、基本语篇单元的界定、修辞结构和关系的标注方法、标注质量的控制和评价方法、标注结果。本文还对基本语篇单元的边界符的分布特征进行了分析讨论。
74.基于概率和句法分析的中文句子修剪
- 陈劲光;何婷婷;李芳;桂卓民
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：提出了一种中文句子修剪方法。引入噪音通道模型，经过改进，提出了更适合句子修剪任务的Bi—NC模型。rn 引入无导的方法，解决了中文中缺乏原句-压缩句对齐语料的瓶颈问题。提出了一种自底向上的层级优化算法，避免在优化过程中删除最优修剪句，解决了长句处理时间过长的问题。实验结果表明，本文提出的中文句了修剪方法获得了较好的效果。
75.维吾尔语口语语音语料库的设计与研究
- 杨雅婷;马博;王磊;吐尔洪·吾司曼;李晓
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：在分析维吾尔语语音语料特点的基础上，结合实际语料库建设需求和地域语言特色，提出了适用于维吾尔语口语语音语料库建设的语料库设计规范、语科内容、语音采集和标注方法，并就不同信道对语音特征参数的影响进行分析。研究拟建立时长300小时的维吾尔语口语语音语料库，有效改进少数民族语言语音学的资源研究和基础建设。
76.模糊匹配在树到串翻译模型中的应用
- 熊皓;刘洋;刘群
- 《第五届全国青年计算语言学研讨会(YWCL 2010)》 | 2010年
摘要：在传统的基于树的翻译模型中，一般都是将一条规则视为字符串，然后使用字符串匹配技术从规则表中搜索可用的规则。然而，由于基于树的翻译模型依赖于句法分析的结果，而有些语言的句法分析准确率并不是很高，所以句法分折错误造成的规则无法匹配的现象很常见，特别是在树到树的翻译模型中，能够精确匹配的规则数量非常稀少，进而对机器翻译的性能造成很大影响。因此本文提出了一种基于树核的模糊匹配技术，在NIST2005汉英翻泽测试集上的结果表明，基于树核的模糊匹配模型相对于传统的翻译模型显著的提高了1.3个BLEU值，并且在森林模型中使用模糊匹配技术仍然能够提高0.7个BLEU值。