首页>中文会议>工业技术>第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）

第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）

召开年：2016
召开地：烟台
出版时间： 2016-10-14

主办单位：中国中文信息学会

会议文集：第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）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.基于远监督的语义知识资源扩展研究
- LU Dawei;卢达威;WANG Xingyou;王星友;YUAN Yulin;袁毓林
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：语义知识资源蕴含了深刻的语言学理论,是语言学知识和语言工程的重要接口.本文以形容词句法语义词典为研究对象,探索对语义知识资源自动扩展的方法.本文的目标是利用大规模语料库,扩展原有词典的词表及其对应的句法格式.具体方法是根据词的句法格式将词典的词分类,将待扩展的新词通过分类器映射到原有词典的词中,以此把词典扩展问题转化为多类分类问题.依据的原理是词典词和待扩展新词在大规模语料中句法结构的相似性.本文通过远监督的方法构造训练数据,避免大量的人工标注.训练过程结合了浅层机器学习方法和深度神经网络,取得了有意义的成果.实验结果显示,深度神经网络能够习得句法结构信息,有效提升匹配的准确率.
2.基于条件随机场的评价对象缺省项识别
- Wenwu Tang;唐文武;Yi Guo;过弋;Yongbin Xu;徐永斌;Xu Fang;方旭
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：在电商网站评论文本中,评价对象和评价属性的缺省识别对文本情感分析具有重要的作用.针对电商网站评论文本中评价对象和评价属性缺省问题,本文提出了一种基于条件随机场的评价对象缺省项识别方法.首先利用情感词典识别观点句,将缺省项识别问题转换成序列标注问题,综合词法特征和依存句法特征,使用条件随机场模型进行训练,并在测试集上对待识别的观点句进行序列标注,通过标注结果判定缺省项的位置.实验结果表明,本文提出的方法具有较高的准确率和召回率,验证了该方法的有效性.
3.基于框架语义的高考语文阅读理解答案句抽取
- LI Guochen;李国臣;LIU Shulin;刘姝林;YANG Zhizhuo;杨陟卓;LI Ru;李茹;ZHANG Hu;张虎;QIAN Yili;钱揖丽
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：高考语文阅读理解问答相对普通阅读理解问答难度更大,问句抽象表述的理解需要更深层的语言分析技术,答案候选句抽取更注重与问句的关联分析,答案候选句排序更注重答案句之间的语义相关性.为此,该文提出借助框架语义匹配和框架语义关系抽取答案候选句,在排序时引入流形排序模型,通过答案句之间的框架语义相关度将排序分数进行传播,最终选取分数较高的Top-4作为答案句.在北京近十二年高考语文阅读理解问答题上的准确率与召回率分别达到了53.65％与79.06％.
4.借重于人工知识库的词和义项的向量表示:以HowNet为例
- Maosong Sun;孙茂松;Xinxiong Chen;陈新雄
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文旨在以HowNet为例,探讨在表示学习模型中引入人工知识库的必要性和有效性.目前词向量多是通过构造神经网络模型,在大规模语料库上无监督训练得到,但这种框架面临两个困难问题:一是低频词的词向量质量难以保证,二是多义词的义项向量无法获得.本文提出了融合HowNet和大规模语料库的义原向量学习神经网络模型,并以义原向量为桥梁,自动得到义项向量及完善词向量.初步的实验结果表明该模型能有效提升在词相似度和词义消歧任务上的性能,有助于低频词和多义词的处理.作者指出,借重于人工知识库的神经网络语言模型应该成为今后一段时期自然语言处理的研究重点之一.
5.限定领域口语对话系统中的商品属性抽取
- YE Dashu;叶大枢;HUANG Peijie;黄沛杰;DENG Zhenpeng;邓振鹏;HUANG Qiang;黄强
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：按功能或问题域划分,商品属性抽取(product feature mining)在限定领域的对话系统中属于口语语言理解(spoken language understanding,SLU)的范畴.商品属性抽取任务只关注自然文本中描述商品属性的某一特定部分,它是细粒度观点抽取(fine-grained opinion mining)的一个重要的子任务.现有的商品属性抽取技术主要建立在商品的评论语料上,本文以手机导购对话系统为背景,将商品属性抽取应用到整个对话过程中,增强对话系统应答的针对性.使用基于CBOW(continuous bag of words)语言模型的word2vector(W2V)对词汇的语义层面建模,提出一个针对口语对话的指数型变长静态窗口特征表达框架,捕捉不同距离词语组合的重要特征,使用卷积神经网络(convolutional neural network,CNN)结合词汇的语义和上下文层面对口语对话语料中的商品属性进行抽取.词嵌入模型给出了当前词和所给定的属性类别是否存在相关性的证据,而所提出的特征表达框架则是为了解决一词多义的问题.实验结果表明,本文提出的抽取方法取得了优于研究进展中方法的商品属性识别效果.
6.基于偏向相似性的自然语言关联和聚类研究
- Chen Zhenning;陈振宁;Chen Zhenyu;陈振宇
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：聚类按关联进行分类,关联和聚类分析的基础是相似性计算.通常相似性是指绝对相似性,具有对称性.但自然语言研究中发现大部分规律都是偏向的,具有不对称性,需要用偏向的思路来考察不对称的关联和聚类策略:以类似条件概率的概率蕴涵指标来描写特征间的不对称关联,并在此基础上定义优势关系、紧密关系、控制中心、中途岛等关联特性;基于偏向相似性的聚类策略,从而能更好地处理语言本体研究中的“假性孤立点”、数据稀疏问题和家族象似性类型的聚类.
7.基于文档发散度的作文跑题检测
- CHEN Zhipeng;陈志鹏;CHEN Wenliang;陈文亮
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：作文跑题检测是作文自动评分系统的重要模块.传统的作文跑题检测一般计算文章内容相关性作为得分,并将其与某一固定阈值进行对比,从而判断文章是否跑题.但是实际上文章得分高低与题目有直接关系,发散性题目和非发散性题目的文章得分有明显差异,所以很难用一个固定阈值来判断所有文章.本文提出一种作文跑题检测方法,基于文档发散度的作文跑题检测方法.该方法的创新之处在于研究文章集合发散度的概念,建立发散度与跑题阈值的关系模型,对于不同的题目动态选取不同的跑题阈值.本文构建了一套跑题检测系统,并在一个真实的数据集中进行测试.实验结果表明基于文档发散度的作文跑题检测系统能有效识别跑题作文.
8.基于事件元素无向图的查询扩展方法
- Lei Ye;叶雷;Shengxiang Gao;高盛祥;Zhengtao Yu;余正涛;Guangshun Qin;秦广顺;Xudong Hong;洪旭东
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：借助新闻事件元素之间的关联特性,提出了基于事件元素无向图的查询扩展方法,利用新闻事件元素之间的关联关系进行查询扩展提升新闻事件检索效果.首先分析候选事件文档与查询项的关系,确定待扩展的元素;然后利用事件元素之间的关联关系构建无向图,通过事件向量空间计算边的权重;最后,利用无向图节点权重模型计算事件元素权重,依据权重进行事件元素扩展.在新闻事件查询扩展方面进行了对比试验,结果表明提出的查询扩展方法取得了较好的效果.
9.基于语义构词的汉语词语语义相似度计算
- Kang Sichen;康司辰;Liu Yang;刘扬
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：汉语词语语义相似度计算,在中文信息处理的多种应用中扮演至关重要的角色.基于汉语字本位的思想,我们采用词类、构词结构、语素义等汉语语义构词知识,以“语素概念”为基础,计算汉语词语语义相似度.这种词义知识表示简单、直观、易于拓展,计算模型简洁、易懂,采用了尽可能少的特征和参数.实验表明,本文方法在典型“取样词对”上的表现突出,其数值更符合人类的感性认知,且在全局数据上也表现出了合理的分布规律.
10.基于神经网络的语义选择限制知识自动获取
- JIA Yuxiang;贾玉祥;XU Hongfei;许鸿飞;ZAN Hongying;昝红英
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：语义选择限制刻画谓语对论元的语义选择倾向,对自然语言的句法语义分析有重要作用,语义选择限制知识的自动获取也成为一个重要的研究课题.鉴于神经网络模型在自然语言处理的很多任务中都有出色的表现,本文提出基于神经网络的语义选择限制知识获取模型,设计了引入预训练词向量的单隐层前馈网络和两层maxout网络.在汉语和英语的伪消歧实验中神经网络模型取得了较好的效果,优于基于隐含狄利克雷分配的模型.
11.基于BCC的离合词离析形式自动识别研究
- ZangJiaojiao;臧娇娇;XunEndong;荀恩东
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文从中文信息处理角度对动宾型离合词自动识别进行研究.通过分析离合词在实际语料中的使用特点以及离合词离析成分在大规模语料库中的表现形式,从离合词内部入手,形式化地表示离合词的离析形式,总结自动识别的规则,设计基于规则的自动识别算法.经过优化后,该算法在20亿字的语料中得到了91.6％的正确率.离合词语素构词能力强,分词与词性标注错误,规则的不完整性,语料本身的错误,人工标注的疏漏等是影响实验结论的主要因素.
12.基于语言现象的文本蕴涵识别
- Han Ren;任函;Wenhe Feng;冯文贺;Maofu Liu;刘茂福;Jing Wan;万菁
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文提出一种基于语言现象的文本蕴涵识别方法,该方法建立了一个语言现象识别和整体推理判断的联合分类模型,目的是对两个高度相关的任务进行统一学习,避免管道模型的错误传播问题并提升系统精度.针对语言现象识别,设计了22个专用特征和20个通用特征;为提高随机森林的泛化能力,提出一种基于特征选择的随机森林生成算法.实验结果表明,基于随机森林的联合分类模型能够有效识别语言现象和总体蕴涵关系.
13.语义角色映射为句法成分的词汇语义制约及特点
- Kang Shiyong;亢世勇;Zhang Chen;张晨
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文以联接理论、事件结构理论为指导,进行词汇语义类、语义角色、句法成分对应关系的研究.选择人教社中小学语文课文语料,标注语义角色、句法成分及中心词的词汇语义类.在标注语料库的基础上,统计分析了词汇语义类与语义角色的对应关系,重点分析各语义类语义角色与句法成分的对应关系,并进一步总结了各词汇语义类的语义角色与句法成分的对应的特点.尽管词汇语义类、语义角色、句法成分之间存在错综复杂的关系,但还是有规律的,可以为计算机句法分析提供一些依据.
14.汉语未登录词的词义知识表示及语义预测
- Tian Yuanhe;田元贺;Liu Yang;刘扬
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：在此前的汉语未登录词语义预测中,构词相关的知识一直被当做预测的手段,而没有被视为一种有价值的知识表示方式,本文在“语素概念”基础上,深入考察汉语的语义构词知识,给出未登录词的“多层面”的词义知识表示方案.针对该方案,本文采用贝叶斯网络方法,构建面向汉语未登录词的自动语义构词分析模型,该模型能有效预测未登录词的“多层面”的词义知识.这种词义知识表示简单、直观、易于拓展,实验表明对汉语未登录词的语义预测具有重要的价值,可以满足不同层次的应用需求.
15.基于联合模型的商品口碑数据情感挖掘
- Li Dayu;李大宇;Li Yang;李旸;Wang Suge;王素格
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：为了同时挖掘商品口碑数据中所谈论的对象、对象的某个方面以及评论者对这个方面的观点,用于指导消费者的消费和生产厂家对商品的改进,本文面向口碑数据提出一个无监督对象方面情感联合模型.该模型假设方面分布依赖于对象分布,情感分布依赖于方面分布和对象分布,词是采样的最小单位.在汽车口碑数据上进行了多组实验,实验表明,无监督对象方面情感联合模型不仅可以判别文本方面和文本情感的类别,而且还可以获取文本对象信息.
16.使用全局优化方法识别中文事件因果关系
- HUANG Yilong;黄一龙;LI Peifeng;李培峰;ZHU Qiaoming;朱巧明
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：分类器模型是目前识别因果关系的主要模型,该方法存在的问题是只考虑两个事件之间的关系,没有考虑同一文档中其它关联事件所包含的信息,识别结果往往存在逻辑矛盾.本文提出了一个中文事件因果关系识别的全局优化方法,该方法采用整数线性规划(ILP)的推理方法,对基本逻辑关系、因果标志词、事件类型、论元信息进行有效约束,以文档为单位来优化因果关系的识别.在本文标注的语料上的实验结果表明,与分类器方法相比,本文提出的全局优化方法的F1值提升了5.54％.
17.基于伪文档的伪相关反馈方法
- YAN Rong;闫蓉;GAO Guang-lai;高光来
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：传统的伪相关反馈(Pseudo Relevance Feedback,PRF)方法通常是以文档作为扩展源单元提取扩展词,提取粒度过大造成扩展源质量下降,使得检索结果鲁棒性差.该文研究利用主题分析技术,尝试将文本语义内容作为扩展源单元,缓解扩展源质量不高的问题.提出并实现了对文本集中各文档内容的伪文档描述,通过对其进行隐式多样化处理,实现了从更细微的文本内容角度出发提取扩展词.通过在真实NTCIR8中文语料的检索结果表明,该方法可以有效的提升伪相关反馈的检索性能.
18.基于分布式表示和多特征融合的知识库三元组分类
- Bo An;安波;Xianpei Han;韩先培;Le Sun;孙乐;Jian Wu;吴健
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：三元组分类是知识库补全及关系抽取的重要技术.当前的state-of-the-art三元组分类方法通常基于TransE来构建知识库实体和关系的分布式表示.然而,TransE方法仅仅适用于处理1对1类型的关系,无法很好的处理1对多、多对1及多对多类型的关系.针对上述问题,在分布式表示的基础上,提出了一种特征融合的方法—TCSF,通过综合利用三元组的距离、关系的先验概率及实体与关系上下文的拟合度来进行分类.在四种公开的数据集(WN11、WN18、FB13、FB15K)上的测试结果显示,TCSF在三元组分类上的效果超过现有的state-of-the-art模型.
19.词典与机器学习方法相结合的维吾尔语文本情感分析
- Rexidanmu Tuerhongtai;热西旦木·吐尔洪太;Wushour Silamu;吾守尔·斯拉木;Yierxiati Tuergong;伊尔夏提·吐尔贡
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：随着互联网整体水平的提高,大量基于维吾尔语的网络信息不断建立,引起了对不同领域的信息进行情感倾向性分析的迫切需要.本文考虑到维吾尔文没有足够的情感训练语料和完整的情感词典,结合机器学习方法和词典方法的优点,构建一个分类器模型LCUSCM(Lexicon-based and Corpus-based Uyghur Text Sentiment Classification Model),先用自己构建的维吾尔文情感词典对语料进行高质量的情感分类,分类过程中对词典进行递归扩充,再根据每条句子的情感得分,从词典分类的结果中选择一部分语料来训练一个分类器并改进第一步的分类结果.结合方法的正确率比单独使用机器学习方法提高了9.13％,比词典方法提高了1.82％.
20.基于词向量的藏文词性标注方法研究
- Yanan Zheng;郑亚楠;Jie Zhu;珠杰
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：藏文词性标注是藏文信息处理的基础,在藏文文本分类、自动检索、机器翻译等领域有广泛的应用.本文针对藏文语料匮乏,人工标注费时费力等问题,提出一种基于词向量模型的词性标注方法和相应算法,该方法首先利用词向量的语义近似计算功能,扩展标注词典,其次结合语义近似计算和标注词典,完成词性标注.实验结果表明,该方法能够快速有效地扩大标注词典规模,并能取得较好的标注结果.
21.利用词表示和深层神经网络抽取蛋白质关系
- LI Li-shuang;李丽双;JIANG Zhen-chao;蒋振超;WAN Jia;万佳;HUANG De-gen;黄德根
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：蛋白质关系抽取是生物医学信息抽取领域的重要分支.目前研究中,基于特征和核函数方法的蛋白质关系抽取已被充分研究,并且达到了很高的F-值,通过改进特征和核函数进一步优化实例表示变得十分困难.本文结合词表示和深层神经网络,提出了一种实例表示模型.该模型能够充分利用词表示的语义表示能力和深层神经网络的表示优化能力;同时引入主成分分析和特征选择进行特征优化,并且通过比较多种传统的分类器,寻找适合蛋白质关系抽取的分类器.该方法在AIMed语料、BioInfer语料和HPRD50语料上的F-值分别取得了70.5％、82.2％和80.0％,在蛋白质关系抽取任务上达到了目前最好的抽取水平.
22.面向阅读理解复杂问题的句子融合
- TAN Hongye;谭红叶;ZHAO Honghong;赵红红;Li Ru;李茹
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：阅读理解的研究是目前NLP领域的一个研究热点.阅读理解中好的复杂问题解答策略不仅要进行答案句的抽取,还要对答案句进行融合、生成相应的答案,但是目前的研究大多集中在前者.本文针对复杂问题解答中的句子融合进行研究,提出了一种兼顾句子重要信息、问题关联度与句子流畅度的句子融合方法.该方法的主要思想为:首先,基于句子拆分和词重要度选择待融合部分;然后,基于词对齐进行句子相同信息的合并;最后,利用基于依存关系、二元语言模型及词重要度的整数线性规划优化生成句子.在历年高考阅读理解数据集上的测试结果表明,该方法取得了82.62％的F值,同时更好地保证了结果的可读性及信息量.
23.基于多策略的维吾尔文网页识别方法
- Alim Murat;阿力木·木拉提;Azragul;艾孜尔古丽;Yating Yang;杨雅婷;Xiao Li;李晓
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：经过对大量维吾尔文网站的调查与分析,本文从多语种混合网页中针对维吾尔文网页识别进行了研究.这对维吾尔语信息处理工作起着关键的作用.首先本文探讨了维吾尔文不规范网页的字符编码转换规则及原理,以此对不规范维吾尔文字符进行了相应的处理.之后介绍了基于修改的N-Gram方法和基于维吾尔语常用词特征向量的两种方法,其中后者融合了维吾尔文常用候选词语料库及向量空间模型(VectorSpace Model).使用三种不同类型的维吾尔文网页文本作为本研究的数据集,在此基础上验证了本文提出的网页识别方法,以及采用不同的方法进行了网页识别的实验.实验结果表明,基于N-Gram的方法对正文较长的新闻或论坛网页的识别性能最佳,反而基于常用词特征向量的方法对短文本的网页识别性能优越N-Gram.所提方法对维吾尔文网页识别的整体性能达到90％以上,并验证了这两种方法的有效性.
24.基于Dropout正则化的汉语框架语义角色识别
- Wang Ruibo;王瑞波;Li Jihong;李济洪;Li Guochen;李国臣;Yang Yaowen;杨耀文
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：汉语框架语义角色识别是汉语框架语义分析的重要任务之一.本文基于汉语词语、词性等特征的分布式表示,使用一种多特征融合的神经网络结构来构建汉语框架语义角色识别模型.鉴于可用的训练语料规模有限,本文采用了Dropout正则化技术来改进神经网络的训练过程.实验结果表明,Dropout正则化的加入有效地缓解了模型的过拟合现象,使得模型的F值有了近7％的提高.本文进一步优化了学习率以及分布式表示的初始值,最终的汉语框架语义角色识别的F值达到70.54％,较原有的最优结果提升2％左右.
25.基于规则的把字句语义角色标注
- HE Baorong;何保荣;QIU Likun;邱立坤;XU Dekuan;徐德宽
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：把字句是现代汉语中一种重要的特殊句式,本文尝试用基于知识库的规则方法对把字句进行语义角色自动标注.首先,从《人民日报》语义角色标注语料库中收集把字句例句,形成一个覆盖范围较广的把字句例句库.之后,对例句库中把字句的句法和语义构成规律进行手工标注,标注内容包括谓语动词的配价类型、把字句谓语结构类型、把字句句模类型等.在上述标注的基础上,对把字句的句模构成规律进行分析,总结出若干条语义角色标注规则.最后,在测试数据上对前述规则进行验证,语义角色标注的最终正确率为98.61％,这一结果说明本文所提出的规则在把字句语义角色标注上是有效的.
26.一种针对短文本的主题情感混合模型
- Xie Jun;谢珺;Hao Jie;郝洁;Su Jingqiong;苏婧琼;Zou Xuejun;邹雪君;Li Siyu;李思宇
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：主题情感混合模型可以同时提取语料的主题信息和情感倾向.针对短文本特征稀疏的问题,主题情感联合分析方法较少的问题,本文提出了BJSTM模型(Biterm Joint Sentiment Topic Model),在BTM模型(Biterm Topic Model)的基础上,增加情感层的设置,从而形成“情感-主题-词汇”的三层贝叶斯模型.对每个双词的情感和主题进行采样,从而对整个语料的词共现关系建模,一定程度上克服了短文本的稀疏性.实验表明,BJSTM模型在无监督情感分类和主题提取方面都有不错表现.
27.汉语二语教学领域词义标注语料库的研究及构建
- Wang Jing;王敬;Yang Lijiao;杨丽姣;Jiang Hongfei;蒋宏飞;Su Jingjie;苏靖杰;Fu Jingling;付静玲
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：汉语二语教学领域,词汇教学在其中占有极为重要的地位,其中多义词又是词汇教学的重点和难点.本研究通过分析三部经典领域词表,选取了1181个重点多义词,以《现代汉语词典(第六版)》为标注体系,制定了适合实际标注的多义词标注规范和形式,在197册经典汉语二语教材上进行了多义词词义标注,构建了一个规模约350万字的面向汉语二语教学领域的词义标注语料库,并在此基础上对1811个多义词、4323个多义词义项进行了计量统计,分析了多义词不同词义的出现情况及其分布规律.为了更好地服务于汉语二语教学,开发了语料库检索系统,设计并实现了多义词义项的查询功能.
28.面向深层语义表示的否定义表达规律探析
- QIU Likun;邱立坤;HUANG Kun;黄焜;HE Baorong;何保荣;KANG Shiyong;亢世勇
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：否定义是深层语义表示中的一个重要组成部分.本文基于语料库的方法对现代汉语中的否定表达形式及其使用规律进行了深入分析.首先,系统地收集了否定表达形式,将之分为显性否定词、隐性否定词、否定结构三类,并讨论了否定表达形式的非否定用法.其次,对否定表达形式的使用规律进行了归纳与总结,涉及单动核结构、情态成分、述补结构、动词性并列结构、连谓结构、兼语结构等,重点分析多动核结构中否定对命题义的影响,并总结了在深层语义标注框架下否定义的标注规则.最后,基于多领域句法树库考察否定表达形式的领域分布差异.
29.基于声调核参数及DNN建模的韵律边界检测研究
- LIN Ju;林举;XIE Yanlu;解焱陆;ZHANG Wei;张微;ZHANG Jinsong;张劲松
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：韵律边界对言语表达的自然度和可理解度有着重要作用.韵律建模也是语音合成、语音理解中的重要方面.本文从相邻声调的相互作用角度出发,提出基于深度神经网络(DNN)及声调核声学特征的汉语韵律边界检测方法.该方法首先采用声调核部分的声学特征来计算边界检测相关参数.然后,利用深度神经网络进行建模.作为对比,实验中采用了以整个音节的声学特征为输入特征的基线系统.结果表明,只使用调核部分声学特征的系统优于使用整个音节的系统,韵律边界检测正确率相对提高了4％,这表明本文提出的汉语韵律边界检测方法的有效性.
30.基于蒙古语名词语义网的同形词歧义消除研究
- Hasi;哈斯;Buyinqiqige;布音其其格
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
31.细粒度与可视化的“比”字句分析模型及计算应用
- PARK Minjun;朴敏浚;YUAN Yulin;袁毓林
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：针对现有五元组比较句语义要素框架的缺陷,本文引进了提升语义分辨率的七元组语义要素分类模板.在此基础上建立了一个可视化的“比”字句结构分析模型,用以总结出比较对象之间的三种对应模式,并确立了判定“不对称比较”的形式标准.本文的可视化分析模型可以明确阐述“比”字句内部的多重述谓结构,有助于获取容易被忽略或认错的隐含成分及比较关系.而且,它立足于谓词逻辑的基础形式,所以与OWL本体语言相兼容.作为模型的应用实践,本文还建设了小规模知识本体(ontology),演示了“比”字句语义要素的自动识别过程.
32.双语者加工汉语母语语义时对英语的ERP激活效应的研究
- Siqin Yang;杨思琴;Minghu Jiang;江铭虎
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本研究采用ERP实验,以被试的反应时间、错误率和脑电成分N400为参考因素,探索了高级双语者在加工第一语言时是否自动检索第二语言.结果显示,内隐的英语首发音条件引起的效应没有体现在反应时间上.在ERP实验结果中,被试在判断语义相关的词语时,大脑语言区域的N400在词语英译首发音一致与否的情况下差异不显著;而判断语义无关的词语时,N400在该条件下显著.研究得出结论:高级双语者在深度加工第一语言时,大脑会无意识地检索第二语言.
33.基于语义角色标注的汉语句子相似度算法
- Kun Tian;田堃;Yonghong Ke;柯永红;Zhifang Sui;穗志方
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：在语义角色标注过程中,经常需要检索相似的已标注语料,以便进行参考和分析.现有方法未能充分利用动词及其支配的成份信息,无法满足语义角色标注的相似句检索需求.基于此,本文提出一种新的汉语句子相似度计算方法.该方法基于已标注好语义角色的语料资源,以动词为分析核心,通过语义角色分析、标注句型的相似匹配、标注句型间相似度计算等步骤来实现句子语义的相似度量.为达到更好的实验效果,论文还综合比较了基于知网、词向量等多种计算词语相似度的算法,通过分析与实验对比,将实验效果最好的算法应用到句子相似度计算的研究中.实验结果显示,基于语义角色标注的句子相似度计算方法相对传统方法获得了更好的测试结果.
34.基于文本语义离散度的自动作文评分关键技术研究
- Yaohua Wang;王耀华;Zhoujun Li;李舟军;Wenhan Chao;巢文涵;Yueying He;何跃鹰;Jianshe Zhou;周建设
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文尝试从文本语义离散度的角度去提升自动作文评分的效果,提出了两种文本语义离散度的表示方法,并给出了数学化的计算公式.基于现有的LDA模型、段落向量、词向量等具体方法,提取出四种表征文本语义离散度的实例,应用于自动作文评分.本文从统计学角度将文本语义离散度向量化,从去中心化的角度将文本语义离散度矩阵化,并使用多元线性回归、卷积神经网络和循环神经网络三种方法进行对比实验.实验结果表明:在50篇作文的验证集上,在加入文本语义离散度特征后,预测分数与真实分数之间均方根误差最大降低10.99％,皮尔逊相关系数最高提升2.7倍.该表示方法通用性强,没有语种限制,可以扩展到任何语言.
35.基于DNN的汉语框架识别研究
- ZHAO Hongyan;赵红燕;LI Ru;李茹;ZHANG Sheng;张晟;ZHANG Liwen;张力文
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：框架识别是语义角色标注的基本任务,它是根据目标词激起的语义场景,为其分配一个合适的语义框架.目前框架识别的研究主要是基于统计机器学习方法,把它看作多分类问题,框架识别的性能主要依赖于人工选择的特征.然而,人工选择特征的有效性和完备性无法保证.深度神经网络自动学习特征的能力,为我们提供了新思路.本文探索了利用深度神经网络自动学习目标词上下文特征,建立了一种新的通用的框架识别模型,在汉语框架网和《人民日报》2003年3月新闻语料上分别取得了79.64％和78.58％的准确率,实验证明该模型具有较好的泛化能力.
36.利用源域结构的粒迁移学习及词性标注应用
- Sun Shichang;孙世昶;Lin Hongfei;林鸿飞;Meng Jiana;孟佳娜;Liu Hongbo;刘洪波
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：迁移学习在一定程度上减轻了目标域的数据稀疏问题对泛化能力的影响,然而泛化能力的提高仍然受到负迁移等问题的影响.为了解决负迁移问题,本文提出使用源域结构的文本语料的信息粒化方法,用区间信息粒表示出源域数据集的结构对数据集中统计量的影响.然后提出区间二型模糊隐马尔可夫模型(Interval type-2fuzzy Hidden Markov Model,IHMM)以处理区间信息粒.给出了IHMM的构建方法和去模糊化方法.在文本的词性标注任务中进行了多个实验,可以证实利用源域结构信息的粒迁移学习方法避免了负迁移,提高了模型的泛化能力.
37.汉语词汇测试自动命题研究
- Renfen Hu;胡韧奋
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：为了提升汉语词汇测试的命题效率,该文从汉语语言特性和二语教学需求出发,对词语听力、多空词语选择、词语排序和单空词语选择四种词汇测试题型进行自动命题尝试,以满足不同语言信息、不同难度的词汇知识考查.在词语特征的提取上,构建了一个覆盖词音、词形、词义、语法、搭配、偏误各层次信息的词汇知识库,在句子特征的提取上,实现了语法项目自动识别、句子难度分析等算法,为自动命题中的题干句、目标词和干扰项选择提供依据.通过词句选择和语块合成等步骤,生成四种题型共计7263道词汇测试题.人工测试数据显示,词汇测试自动命题的初步尝试取得了较好的效果,约58％的试题被评价为完全合理,经人工简单调整,试题接受率达到75.7％.
38.基于语法的维吾尔语情感词汇自动获取
- Merhaba Eset;玛尔哈巴·艾赛提;Azragul;艾孜尔古丽;Yusup Abaydulla;玉素甫·艾白都拉
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：情感词汇的获取是文本倾向性分析的基础.为了解决人工识别方法低效的不足,并为维吾尔语情感词的研究及情感词词典的创建提供一些可供选择的方法和思路,本文首先分析了维吾尔语情感词汇在上下文中表现的特征,并结合维吾尔语本身的语法特征,建立了扩展的维吾尔语新增特征模型,与词频逆文档频率(TF－IDF)算法相结合,实现了维吾尔语情感词汇的识别.实验结果指出此特征模型有效地提高了情感词汇的识别率.
39.基于点关联测度矩阵分解的中英跨语言词嵌入
- YU Dong;于东;ZHAO Yan;赵艳;WEI Linxuan;韦林煊;XUN Endong;荀恩东
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：研究基于矩阵分解的词嵌入方法,提出统一的描述模型,并应用于中英跨语言词嵌入问题.以双语对齐语料为知识源,提出跨语言关联词计算方法和两种点关联测度的计算方法:跨语言共现计数和跨语言点互信息.分别设计目标函数学习中英跨语言词嵌入.从目标函数、语料数据、向量维数等角度进行实验,结果表明:在中英跨语言文档分类中以前者作为点关联测度最高得到87.04％的准确率;在中英跨语言词义相似度计算中,后者作为点关联测度得到更好的性能,同时在英-英词义相似度计算中的性能略高于主流的英语词嵌入.
40.蒙古文原始语料统计建模研究
- Bai-Shuangcheng;白双成
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文针对蒙古文纠错语料稀缺、扩建难度大,原始语料存在严重的拼写多样化和字形拼写错误而无法直接利用的现状,在分析总结蒙古文编码特性基础上,通过搜集整理大规模原始语料和标注部分语料,以蒙古文输入法为技术实现手段和试验平台,重点解决了基于原始语料统计建模和模型优化等研究问题.实验结果证明,该方法可有效提高输入效率,开拓了蒙古文原始本文建模利用的新思路,对所有蒙古文音词转换和形词转换研究都有广泛的参考价值.
41.基于随机行走N步的汉语复述短语获取方法
- Jun Ma;马军;Yujie Zhang;张玉洁;Jinan Xu;徐金安;Yufeng Chen;陈钰枫
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：在利用大规模双语语料获取复述知识中,传统的基于“枢轴”方法只能考虑两步以内的复述现象.本文针对已有方法的局限性,对不同语言之间互为翻译的短语对,构建基于图的复述获取模型,提出基于随机行走N步的复述获取算法,改进已有方法以获取更多潜在的复述知识.本文描述了以汉英短语翻译表为基础的图模型、基于N步的随机行走算法和基于期望步数的复述短语可信度计算方法.同时,在图模型基础上提出基于多语言对扩展的方法.在NTCIR汉英、英日双语平行语料上进行了实验与评测,并与已有方法进行了对比.实验结果表明本文所提出的方法能够获取更多的复述知识,而且扩展语言对的图模型能够有效获取更多潜在的复述知识.
42.《世说新语》的篇章连接词
- FENG Wenhe;冯文贺;郭海芳;李玉静;任函
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文标注《世说新语》的篇章结构,据此研究其连接词的显隐、语义及用法.研究发现:1)隐式关系(3346,81.9％)多于显式关系(786,18.1％),17类关系仅有3类(假设,选择,让步)显多隐少;2)各类关系的同义连接词种数与使用有差异,其中种数最多36(顺承),最少则无(总分,背景);3)连接词(91种)单义为多(55),多义为少(36),义项最多为8种(“乃”),分布也有差异.最后,个案分析同义连接词(顺承)与多义连接词(“遂”)的用法.
43.基于问题与答案共同表示学习的半监督问题分类方法
- Dong Zhang;张栋;Shoushan Li;李寿山;Jingjing Wang;王晶晶
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：问题分类旨在对问题的类型进行自动分类,该任务是问答系统研究的一项基本任务.本文提出了一种基于问题和答案共同表示学习的问题分类方法.该方法的特色在于,利用问题及其答案作为共同的上下文环境,学习词的分布式表示,从而充分利用未标注样本中问题和答案隐含的分类信息.具体而言,首先,我们引入神经网络语言模型,利用问题与答案共同学习词向量表示,增加问题词向量的信息量;其次,加入大量未标注的问题与答案样本参与词向量学习,进一步增强问题词向量表示能力;最后,将已标注的问题样本以词向量形式表示作为训练样本,采用卷积神经网络建立问题分类模型.实验结果表明,本文提出的基于半监督问题分类方法能够充分利用词向量表示和大量未标注样本来提升性能,明显优于其他基准半监督分类方法.
44.基于深度表示学习和高斯过程迁移学习的情感分析方法
- Dongyin Wu;吴冬茵;Lin Gui;桂林;Zhao Chen;陈钊;Ruifeng Xu;徐睿峰
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：情感分析是自然语言处理领域的重要研究问题.现有方法往往难以克服样本偏置与领域依赖问题,严重制约了情感分析的发展和应用.为此,本文提出了一种基于深度表示学习和高斯过程知识迁移学习的情感分析方法.该方法首先利用深度神经网络获得文本样本的分布式表示,而后基于深度高斯过程,从辅助数据中迁移与测试集数据分布相符的高质量样例扩充训练数据集用于分类器训练,以此提高文本情感分类系统性能.在COAE2014文本情感分类数据集上进行的实验结果显示本文提出方法性能可以有效提高文本情感分类性能,同时可以有效缓解训练数据的样本偏置以及领域依赖问题的影响.
45.基于Spatial-DCTHash动态参数网络的视觉问答算法
- Meng Xiangshen;孟祥申;Jiang Aiwen;江爱文;Liu Changhong;刘长红;Ye Jihua;叶继华;Wang Mingwen;王明文
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：近年来,随着深度学习的应用和多模态的深入研究,问答系统从传统的文本问答扩展到结合图片的视觉问答,成为计算机视觉与自然语言理解的交叉研究热点之一.Hyeonwoo Noh等人在CVPR2016中提出一种简单、有效的动态参数预测模型(Dynamic Parameter Prediction Network,DPPnet),但是此模型仅在空域滤波器上进行Hash,得到权重位置是随机的,没有考虑利用图像的空间信息.对于如何利用图像的空间信息以提高模型性能,本文采用类似Fully Convolutional Network的方式改造传统的VGGnet卷积神经网络,提取具有空间信息的图像特征,在此基础上,提出一种新的空间离散余弦哈希动态参数网络来结合问题特征和图像特征预测视觉答案.本文在COCOqa和MSCOCO-VQA数据集上与已有的方法进行了对比实验,实验结果表明本文的算法在性能上有较大提高.
46.基于深度学习加强的混合推荐方法
- DING Biyuan;丁弼原;ZHANG Min;张敏;TAN Yunzhi;谭云志;LIU Yiqun;刘奕群;MA Shaoping;马少平
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：近年来基于矩阵分解的协同过滤算法在评分预测上取得的显著成果,但冷启动、数据稀疏等问题仍然未能得到很好的解决,因此如何将评论信息引入推荐系统以缓解上述问题,开始成为研究的热点之一.另一方面深度学习在图像处理、自然语言处理等领域已经发挥重要作用,其对文本的编码与分析能力恰好适应推荐领域当前正在研究的问题.本文尝试基于深度学习来加强个性化推荐,提出将层叠降噪自动编码器(SDAE)与隐含因子模型(LFM)相结合的混合推荐方法,综合考虑评论文本与评分,以提升推荐模型对潜在评分预测的准确性.在常用大规模公开数据集Amazon上进行的测试结果表明,与传统推荐模型相比,所提出方法可有效提高评分预测的准确性,最高可达到64.43％的性能提升.
47.中国英语学习者花园幽径句错位效应强度研究:计算语言学视角
- DU Jia-li;杜家利;YU Ping-fang;于屏方
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文借助126名英语专业大二学生对100个花园幽径句和对照句的限时理解实验,讨论了中国英语学习者在解读花园幽径句过程中产生的错位效应,测算了效应强度,并与Stanford Parser的自动翻译进行了人机对比研究.花园幽径现象是一种有意识的受控行为.其编码和解码具有行进错位和认知过载现象,并能反映人类复杂的心理认知活动.实验证明:在划分的引导词类错位、宾语辖域错位、嵌套错位和兼类错位四类中,错位效应呈现非对称性,其中兼类错位频数最高,错位效应强度也最大.在人机对照中,机器的程序解码错位和学习者认知解码错位不具有完全联动性和绝对共时性.
48.基于认知属性库的原型范畴研究
- Bin Li;李斌;Li Song;宋丽;Siqi Yin;银思琪;Meng Wang;王萌
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：原型范畴是认知科学研究中的重要理论,使用属性来区分范畴中心成员及边缘成员有着较强的解释力,但该理论一直缺乏基于频率信息的属性数据支撑.本文借助认知属性库的23万条数据,对原型理论研究中经常讨论的“鸟”、“水果”、“交通工具”等范畴的典型成员和非典型成员进行分析验证.认知属性库的数据显示,在汉语中,“鸟”的典型成员是“麻雀”、“燕子”等,和“鸟”具有较多的共同属性;而“企鹅”、“鸵鸟”则只共享了“鸟”很少的属性,且缺少关键的属性“飞”.大体上验证了原型理论的观点.同时也发现“小鸟”的属性特别丰富,具有典型成员的特性.在进一步观察了“水果”和“交通工具”两个范畴后,探讨了范畴的跨类现象,进而从数学模型上区分了树结构的层次分类体系和图结构的范畴化体系.
49.CRFs融合语义信息的英语功能名词短语识别
- Ma Jianjun;马建军;Pei Jiahuan;裴家欢;Huang Degen;黄德根
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：名词短语识别在句法分析中有着重要的作用,而英汉机器翻译的瓶颈之一就是名词短语的歧义消解问题.研究英语功能名词短语的自动识别,则将名词短语的结构消歧问题转化成名词短语的识别问题.基于名词短语在小句中的语法功能来确定名词短语的边界,选择商务领域语料,采用了细化词性标注集和条件随机域模型结合语义信息的方法,识别了名词短语的边界和句法功能.在预处理基于宾州树库细化了词性标注集,条件随机域模型中加入语义特征主要用来识别状语类的名词短语.实验结果表明,结合金标准词性实验的F值达到了89.04％,改进词性标注集有助于提高名词短语的识别,比使用宾州树库标注集提高了2.21％.将功能名词短语识别信息应用到NiuTrans统计机器翻译系统,英汉翻译质量略有提高.
50.藏文复合句的依存句法分析
- HUA Quecairang;华却才让;ZHAO Haixing;赵海兴
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：为解决藏文复合句引起的依存句法分析性能下降的主要问题,本文提出了一种基于判别式的藏文复合句切分标注方法,先根据藏文固有的虚词语法结构和连词特征,将复合句子切分标注为句法分析的基本单元,然后将句法分析之后的各个部分依据主分句关系进行合并,生成复合句的完整分析结果.实验结果表明该方法在一定程度上降低了藏文复合句依存句法分析的复杂度,最终句法分析的准确率达到88.72％.
51.汉维时间数字和量词的识别与翻译研究
- Ayiguli HALIKE;阿依古丽·哈力克;Hasan WUMAIER;艾山·吾买尔;Tuergen YIBULAYIN;吐尔根·伊布拉音;Kahaerjiang ABIDEREXITI;卡哈尔江·阿比的热西提;Maihemuti MAIMAITI;买合木提·买买提
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：统计机器翻译对时间、数字、量词的泛化能力较弱,为了提高汉维机器翻译系统对时间、数字和量词短语的翻译性能,本文利用双语语料库挖掘并提取汉语时间、数字、量词表达与翻译模式,实现了基于模板的时间、数字、无歧义量词翻译方法及基于上下文的有歧义量词翻译方法.时间、数字、无歧义量词、有歧义量词的翻译F值达到了93.23％、90.15％、96.55％、87.58％,实验证明,本文提出的方法具有简单高效的优点.
- 汉语;
- 维吾尔语;
- 时间;
- 数字;
- 量词;
- 识别方法;
- 机器翻译;
52.融合被动和可能态模型的日汉统计机器翻译
- WANG Nan;王楠;XU Jinan;徐金安;MING Fang;明芳;CHEN Yufeng;陈钰枫;ZHANG Yujie;张玉洁
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：日语中谓词语态有不同的词尾变形,其中被动态和可能态具有相同的词尾变化,在统计机器翻译中难以对其正确区分及翻译.因此,本文提出一种利用最大熵模型有效地对日语可能态和被动态进行分类,然后把日语的可能态和被动态特征有效地融合到对数线性模型中改进翻译模型的方法,以提高可能态和被动态翻译规则选择的准确性.实验结果表明,该方法可以有效提升日语可能态和被动态句子的翻译质量,在大规模日汉语料上,最高翻译BLEU值能够由41.50提高到42.01,并且在人工评测中,翻译结果的整体可理解度得到了2.71％的提升.
53.限定领域口语对话系统中超出领域话语的对话行为识别
- HUANG Peijie;黄沛杰;WANG Jundong;王俊东;KE Zixuan;柯子烜;LIN Piyuan;林丕源
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：由于领域外话语具有内容短小、表达多样性、开放性及口语化等特点,限定领域口语对话系统中超出领域话语的对话行为识别是一个挑战.本文提出了一种结合外部无标签微博数据的随机森林对话行为识别方法.本文采用的微博数据无需根据应用领域特点专门收集和挑选,又与口语对话同样具有口语化和表达多样性的特点,其训练得到的词向量在超出领域话语出现超出词汇表字词时提供了有效的相似性扩展度量.随机森林模型具有较好的泛化能力,适合训练数据有限的分类任务.中文特定领域的口语对话语料库测试表明,本文提出的超出领域话语的对话行为识别方法取得了优于最大熵、卷积神经网络等短文本分类研究进展中的方法的效果.
54.英汉《小王子》AMR语义图结构的对比分析
- BinLi;李斌;Yuan Wen;闻媛;Lijun Bu;卜丽君;Nianwen Xue;薛念文
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：AMR是国际上一种新的句子抽象语义表示方法,有着接近于中间语言的表示能力,其研发者已经建立了英文《小王子》等AMR语料库.AMR与以往的句法语义表示方法的最大不同在于两个方面,首先突破了树结构,转而采用图结构;其次允许添加原句之外的概念节点来表示隐含的语义.本文针对汉语特点,在制定中文AMR标注规范的基础上,标注完成了中文版《小王子》的AMR语料库,标注一致性的Smatch值为0.83.统计结果显示,英汉双语含图结构句子具有很高的相关性,且含有图的句子比例高达40％左右,额外添加的概念节点则存在较大差异.最后讨论了AMR在汉语句子语义表示以及跨语言对比方面的优势.
55.网络用语词典的构建及问题分析
- Hongying Zan;昝红英;Hongfei Xu;许鸿飞;Kunli Zhang;张坤丽;Zhifang Sui;穗志方
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：随着互联网应用的快速发展,网络用语的使用越来越普遍,网络新词层出不穷.网络文本中大量的网络用语,对基于自然语言处理的情感分析、产品推荐、自助问答系统等应用带来了一定的挑战,而收集并构建网络用语词典及相关语料则是解决此类问题的突破点.本文以微博语料为出发点,综合多类网络资源,收集并整理了较为全面的网络用语词典及相关语料.同时,对网络用语词典构建中遇到的问题进行了分析和总结,并对其潜在应用进行了初步的探讨.
56.汉语谈话类节目语料库的构建与分析
- Shan Wang;王珊;Rui Liu;刘锐
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：口语语料库的建设是口语研究的基础工作,本文选择具有代表性的交谈式谈话节目《锵锵三人行》和对谈式谈话节目《鲁豫有约》作为语料,建立了一个小型的谈话节目语料库,并构建了包含5大类16小类的会话结构标注体系,对语料进行了会话结构的标注.统计得到打断结构294例,插入结构130例,重复结构92例,问答结构646/561例,阻碍-修正结构58/21例,反映了会话结构在数量上的不均衡分布,节目的形式、性质以及交际任务是会话结构分布的主要影响因素.此外,会话结构组合具有模式性,本文通过bigram对其组合情况进行了分析,发现语料中高频的二元组合是问答毗邻对,此外有大量的非毗邻性组合,包括结构之间的嵌套组合、交叉性组合和自由组合.
57.基于70年报刊语料的现代汉语历时稳态词抽取与考察
- Rao Gaoqi;饶高琦;Li Yuming;李宇明
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：本文基于70年跨度的历时报刊语料库,使用9种统计方法计算了词语的历年使用情况,并通过对稳定性、覆盖度和时间区分性能的考察筛选获得了规模3015词的历时稳态词候选词集.该词集中动词与名词各占约三分之一(其余为形容词、副词与虚词),平均词长约1.7字,前密后疏得分布于历时语料库总频序表的前7609位,覆盖了近九成语料.该部分词语中包含大量构造句子结构的核心词语.它们塑造了稳态词在词长和词类上的特性.稳态词的提取可以加深对语言生活底层与基础词汇的认识,对汉语教学、中文信息处理和语言规划都具有重要意义.
58.藏汉跨语言话题模型构建及对齐方法研究
- Sun Yuan;孙媛;Zhao Qian;赵倩
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：如何获取藏文话题在其他语种中的相关信息,对于促进少数民族地区的社会管理科学化水平、维护民族团结和国家统一、构建和谐社会具有重要意义.目前大多数研究集中在英汉跨语言信息处理方面,针对藏汉跨语言研究较少.如何根据藏语、汉语的特点,并结合目前藏语信息处理的研究现状,实现藏汉多角度的社会网络关系关联,同步发现关注话题并进行数据比较,是迫切需要解决的问题.本文在藏汉可比语料的基础上,利用词向量对文本词语进行语义扩展,进而构建LDA话题模型,并利用Gibbs sampling进行模型参数的估计,抽取出藏语和汉语话题.在LDA话题模型生成的文档-话题分布的基础上,提出一种基于余弦相似度、欧氏距离、Hellinger距离和KL距离四种相似度算法的投票方法,来实现藏汉话题的对齐.
59.知识图谱中实体相似度计算研究
- Li Yang;李阳
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：实体相似度的计算有诸多应用,例如电商平台的相似商品推荐,医疗疗效分析中的相似病人组等.在知识图谱的实体相似度计算中,给出了每个实体的属性值,并对部分实体进行相似度的标注,要求能得到其他实体之间的相似度.本文把该问题归结为监督学习问题,提出一种通用的实体相似度计算方法,通过清洗噪声数据,对数值、列表以及常文本等不同数据类型进行预处理,使用SVM,Logistic回归等分类模型、Random Forest等集成学习模型以及排序学习模型进行建模,得到了较好的结果.
60.面向高考阅读理解的句子语义相关度研究
- GUO Shaoru;郭少茹;ZHANG Hu;张虎;QIAN Yili;钱揖丽;LI Ru;李茹;YANG Zhizhuo;杨陟卓;MA Shuhui;马淑晖
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：高考阅读理解选择题是基于背景材料,通过对材料的“理解”从多个选项中选出最佳选项.由于提供的背景材料相对较短且关键信息极具隐藏性,答案可能无法在背景材料中直接找到.因此,如何从背景材料中挖掘信息并与选项进行相关性分析是解答该类问题的关键,而句子级的语义相关性分析是背景材料与选项相关性分析的基础.本文通过对大量高考科技文文意理解类选择题进行分析,提出基于多维度投票算法(Multi-Dimension Voting)的句子语义相关度计算方法.该方法将不同维度的语义相关性作为度量标准,运用投票算法的思想,选取问题的最佳选项.在近十年北京市高考真题上进行测试,正确率为61.53％,验证了该方法的有效性.
61.基于稀疏主成分分析的非正式语词的心理-人格特征研究
- Yu Zhong;钟毓;Dingzhou Fei;费定舟
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：目的:针对社会媒体中非正式文本的数据分析经常出现的稀疏数据矩阵,在应用文本分析工具的基础上使用稀疏主成分分析这一特征降维分析方法分析现实情况下聊天文本中非正式语词表现的认知语用特征、描述非正式语词与人格的关系.方法:使用短文本主题模型、心理距离问卷、大五人格问卷测量人格和背景变量,使用计算机文本分析工具对被试提供的即时聊天文本内的语词计频,使用简体中文版语词查询与字词计数字典和认知语用学对稀疏主成分分析后非正式语词维度进行特征表征.结果:在非正式语词降维上,稀疏主成分分析比主成分分析在因子载荷数上更稳定,在累积方差解释率上也相对更优(24.54％>23.40％);降维所得的6因子中“主观评价”与宜人性正相关(r0.05=.16,p=.03<0.05),“随意社交”与宜人性负相关(r0.05=-.16,p=.03<0.05),“认知愉悦”与性别显著正相关(r0.05=.43,p=.00<0.001).结论:使用稀疏主成分分析对非正式语词的降维效果较好,并且比较简体中文版语词查询与字词计数字典的非正式语词维度和降维后所得非正式语词维度,两者在和人格的相关上是相符的,且后者能探索出更多信息.
62.从短语到构式:构式知识库建设的若干理论问题探析
- 詹卫东
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：构式语法(construction grammar)在汉语语法学界已引起持续的关注,但在自然语言处理领域,将构式语法理论应用到计算机自动句法语义分析中的研究还很少见.本文提出构建现代汉语构式知识库的语言工程任务,讨论了构式与传统语法单位的关系、构式的形式表示、构式的内部小类及主要特征等.
63.依存边转换翻译规则生成器
- Hongshen Chen;陈宏申;Qun Liu;刘群
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：统计机器翻译模型,特别是基于句法的翻译模型,其翻译单元在保留足够的翻译信息以及翻译单元在翻译新句子时的泛化能力上始终存在着一个平衡.神经网络被成功用于统计机器翻译模型中的调序和语言生成中.本文提出了一个新颖的基于神经网络的句法翻译规则生成器——依存边转换翻译规则生成器(DETG),它利用一条转换翻译规则的源端以及源端的上下文作为输入,以依存边转换翻译规则的目标端作为输出.它不仅保留了依存边——这种最简单的句法翻译规则的灵活性,保证了翻译规则的泛化能力,同时通过上下文信息增强了转换翻译规则的匹配能力.生成器的结构非常简洁,它将翻译规则的源端作为输入,同时生成翻译规则目标端的对应翻译以及依存边的位置关系.我们使用生成器对解码时所用到的依存边转换翻译规则打分.在三个NIST测试集上的实验显示,相较于基线系统,平均有1.39个BLEU值的提升.
64.基于多特征融合的混合神经网络模型讽刺语用判别
- Xiao Sun;孙晓;Jiajin He;何家劲;Fuji Ren;任福继
- 《第十五届全国计算语言学学术会议（CCL2016）暨第四届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD-2016）》
摘要：在社交媒体中,存在大量的反讽和讽刺等语言现象,这些语言现象往往表征了一定的情感倾向性.然而这些特殊的语言现象所表达的语义倾向性,通常与其浅层字面含义相去甚远,因此加大了社交媒体中文本情感分析的难度.鉴于此,本文主要研究中文社交媒体中的讽刺语用识别任务,构建了一个覆盖反讽、讽刺两种语言现象的语料库,基于此挖掘反讽和讽刺的语言特点.本文通过对比一些有效领域特征,验证了在反讽和讽刺文本的识别中,其结构和语义等深层语义特征的重要性.基于此,提出了一种有效的多特征融合的混合神经网络判别模型,融合了卷积神经网络与LSTM序列神经网络模型,通过深层模型学习深层语义特征和深层结构特征,该模型获得了较好的识别精度,优于传统的单一的神经网络模型和BOW(Bag-of-Words)模型.