中文信息处理

摘要： 北京大学出版社出版的《基于注疏文献的〈孟子〉信息处理研究》一书是对《孟子》及其注疏进行信息处理的研究。本文从文献自身、横向比较、利用注疏三个层面来分析梁著的基本框架、研究思路和研究价值,并介绍该书如何创新地借用中文信息处理方法进行古文献信息处理。

摘要： 为调动我国从事中文信息处理技术研究的专家和学者的积极性,推动信息产业的发展,根据《钱伟长中文信息处理科学技术奖奖励条例》,现开展2022年度“钱伟长中文信息处理科学技术奖”(以下简称学会科学技术奖)评审奖励工作。

摘要： 中文信息处理是自然语言处理在汉语上的映射,中文信息处理的发展水平决定了中文智能的程度。国内开展中文信息处理研究具有较长时间,对已有的相关研究进行系统的梳理与总结十分重要。这项研究主要对科学出版社出版的《中文信息处理发展简史》进行述评。

摘要： 根据菲律宾华裔青少年的特点,研究中文信息处理的内容,设计相应的《中文信息处理》课程。通过教学内容的创新和教学模式的改革,结合学校的实验环境,对其实验课程进行了一系列教学改革和实践探索,取得较好的教学质量提升。

摘要： 中文命名实体识别在中文信息处理中扮演着重要的角色.在中文信息文本中,许多命名实体内部包含着嵌套实体.然而,已有研究大多聚焦在非嵌套实体识别,无法充分捕获嵌套实体之间的边界信息.采用分层标注方式进行嵌套命名实体识别(nested named entity recognition,NNER),将每层的实体识别解析为一个单独的任务,并通过Gate过滤机制来促进层级之间的信息交换.利用公开的1998年《人民日报》NNER语料进行了多组实验,验证了模型的有效性.实验结果表明,在不使用外部资源词典信息的情况下,该方法在《人民日报》数据集上的F1值达到了91.41%,有效提高了中文嵌套命名实体识别的效果.

摘要： 汉字是一种文字,更是一门灵动的艺术。它是中国文明的核心释放和中华文化的独特符号。汉字之美,不仅能够使人耳目一新而获得精神愉悦,更可以给人以美的熏陶而催发其蓬勃向上。因此,正确书写规范汉字,不仅对日常书写、中文信息处理有着至关重要的作用,而且对中华文化的精准传承将产生极其深远的影响。

摘要： 人工智能可以分为两大类:一类跟自然语言无关,如电脑下围棋、飞机无人驾驶等;另一类跟语言有关,突出的如机器翻译,还有如“聊天机器人”。以汉语为处理对象的自然语言处理即“中文信息处理”,无疑应为后一类人工智能所需要。我们从事语言研究的人更痴心地以为语言学会在人工智能研究中派上用场。然而,当今基于人工神经网络的“机器深度学习”的人工智能研究,与语言学不是结合得更加紧密,而是越来越疏远了。

摘要： [目的/意义]探讨运用社会网络分析方法研究小说中的人物影响力和关系变化特征,分析小说的写作意图与写作特点.[方法/过程]以金庸小说《射雕英雄传》和《神雕侠侣》为研究对象,基于中文信息处理与社会网络分析法,抽取小说中的人物关系网络,通过社区探测、k-核分解、中心性分析研究小说人物的重要程度,通过时间演化和人物关系网络结构测度分析人物影响力的演变.[结果/结论]人物关系网络具有"小世界效应",人物影响力与亲密关系的变化规律显著,能够揭示作者的写作风格.

摘要： 随着互联网信息爆炸增长,搜索引擎已成为最重要的互联网应用之一,关系到社会信息处理水平与利用效率;当前绝大部分国家的搜索服务被跨国巨头垄断,拥有自主可控的搜索技术对国家信息安全意义重大。2006年至今,清华大学与搜狗公司通过紧密的校企合作建设了搜狗搜索引擎,致力于提供性能突出、自主可控、内容可信的搜索服务。

摘要： (主要完成单位:阿里巴巴(中国)有限公司、浙江大学、中国科学院软件研究所、清华大学、苏州大学、中国科学院自动化研究所、中国人民大学主要完成人:张伟、陈华钧、韩先培、侯磊、陈文亮、李传福、何世柱、余艳、陈强)阿里巴巴集团以面向海量商品数据智能化理解为目标,针对"千亿级商品知识图谱的构建及产业化应用"开展全方面、系统化的研究工作。

摘要： 钱伟长是促进中文信息处理发展和汉字电脑化、汉字现代化的先行者之一.他始终认为中文信息处理的现代化对中华民族教育和科学技术的振兴具有重要意义.推进汉字现代化研究和中文信息处理,"主要是为了弘扬我们汉字的无穷威力,为21世纪中华民族能在世界民族之林得到我们应有的地位."本文通过文献调研,阐述了钱伟长在中文信息处理发展进程中所做出的贡献,并指出钱伟长的科学精神是他在中文信息处理处理领域中作出突出贡献的法宝.

摘要： 开放中文知识图谱的普通话是面向中文信息处理,为开放中文知识图谱的建模、生产、推理、学习、交互以及应用落地提供可解释、可迭代、可复用的数据接口定义与标准.

摘要： 语言文字是信息的主要载体和处理对象,而汉字是中文信息的主要载体和处理对象.为了迎接信息时代的到来,我国台湾地区也开始思考语言文字工作的新思路.为迎接信息时代的到来，迎合信息时代的新特点，台湾打破了部门界限，对整个信息化工作做了全面的统筹规划，形成了产、学、研、政一体化的新的运作模式。由于组织结构完善，分工明确，避免了工作上的相互交叉、推诱及重复性劳动造成的浪费，从而确保了资金的合理运用，提高了工作效率，台湾在文字的搜集与整理，乃至整个中文信息处理工作上都取得了丰厚的成果。更重要的是:确保了各项成果的协调一致性，避免造成不必要的混乱。

摘要： 隐喻知识的表示和获取是进行隐喻计算的基础.本文把隐喻知识看做是本体和喻体的特征和属性之间的关联.我们主要通过惯用语导入和句法模式识别两种机制,来获取名词的隐喻知识.惯用语的隐喻比较固定和单一,我们从专门的词典释义中就能获取准确的隐喻特征和属性.而一般名词的隐喻知识比较复杂,我们主要依托语料库和搜索引擎,通过关键词和句法匹配来获取同一名词不同的隐喻特征及对应属性.该项工作的结果,对于隐喻句隐喻意义的获取和名词语义属性特征的描述体系具有一定的价值.

摘要： 隐喻知识的表示和获取是进行隐喻计算的基础.本文把隐喻知识看做是本体和喻体的特征和属性之间的关联.我们主要通过惯用语导入和句法模式识别两种机制,来获取名词的隐喻知识.惯用语的隐喻比较固定和单一,我们从专门的词典释义中就能获取准确的隐喻特征和属性.而一般名词的隐喻知识比较复杂,我们主要依托语料库和搜索引擎,通过关键词和句法匹配来获取同一名词不同的隐喻特征及对应属性.该项工作的结果,对于隐喻句隐喻意义的获取和名词语义属性特征的描述体系具有一定的价值.

摘要： 隐喻知识的表示和获取是进行隐喻计算的基础.本文把隐喻知识看做是本体和喻体的特征和属性之间的关联.我们主要通过惯用语导入和句法模式识别两种机制,来获取名词的隐喻知识.惯用语的隐喻比较固定和单一,我们从专门的词典释义中就能获取准确的隐喻特征和属性.而一般名词的隐喻知识比较复杂,我们主要依托语料库和搜索引擎,通过关键词和句法匹配来获取同一名词不同的隐喻特征及对应属性.该项工作的结果,对于隐喻句隐喻意义的获取和名词语义属性特征的描述体系具有一定的价值.

摘要： 隐喻知识的表示和获取是进行隐喻计算的基础.本文把隐喻知识看做是本体和喻体的特征和属性之间的关联.我们主要通过惯用语导入和句法模式识别两种机制,来获取名词的隐喻知识.惯用语的隐喻比较固定和单一,我们从专门的词典释义中就能获取准确的隐喻特征和属性.而一般名词的隐喻知识比较复杂,我们主要依托语料库和搜索引擎,通过关键词和句法匹配来获取同一名词不同的隐喻特征及对应属性.该项工作的结果,对于隐喻句隐喻意义的获取和名词语义属性特征的描述体系具有一定的价值.

摘要： 针对汉语词法分析中分词、词性标注、命名实体识别三项子任务分步处理时多类信息难以整合利用,且错误向上传递放大的不足,提出一种三位一体字标注的汉语词法分析方法,该方法将汉语词法分析过程看作字序列的标注过程,将每个字的词位、词性、命名实体三类信息融合到该字的标记中,采用最大熵模型经过一次标注实现汉语词法分析的三项任务.并在Bakeoff2007的PKU语料上进行了封闭测试,通过对该方法和传统分步处理的分词、词性标注、命名实体识别的性能进行大量对比实验,结果表明,三位一体字标注方法的分词、词性标注、命名实体识别的性能都有不同程度的提升,汉语分词的F值达到了96.4％,词性标注的标注精度达到了95.3％,命名实体识别的F值达到了90.3％,这说明三位一体字标注的汉语词法分析性能更优.

摘要： 针对汉语词法分析中分词、词性标注、命名实体识别三项子任务分步处理时多类信息难以整合利用,且错误向上传递放大的不足,提出一种三位一体字标注的汉语词法分析方法,该方法将汉语词法分析过程看作字序列的标注过程,将每个字的词位、词性、命名实体三类信息融合到该字的标记中,采用最大熵模型经过一次标注实现汉语词法分析的三项任务.并在Bakeoff2007的PKU语料上进行了封闭测试,通过对该方法和传统分步处理的分词、词性标注、命名实体识别的性能进行大量对比实验,结果表明,三位一体字标注方法的分词、词性标注、命名实体识别的性能都有不同程度的提升,汉语分词的F值达到了96.4％,词性标注的标注精度达到了95.3％,命名实体识别的F值达到了90.3％,这说明三位一体字标注的汉语词法分析性能更优.

摘要： 针对汉语词法分析中分词、词性标注、命名实体识别三项子任务分步处理时多类信息难以整合利用,且错误向上传递放大的不足,提出一种三位一体字标注的汉语词法分析方法,该方法将汉语词法分析过程看作字序列的标注过程,将每个字的词位、词性、命名实体三类信息融合到该字的标记中,采用最大熵模型经过一次标注实现汉语词法分析的三项任务.并在Bakeoff2007的PKU语料上进行了封闭测试,通过对该方法和传统分步处理的分词、词性标注、命名实体识别的性能进行大量对比实验,结果表明,三位一体字标注方法的分词、词性标注、命名实体识别的性能都有不同程度的提升,汉语分词的F值达到了96.4％,词性标注的标注精度达到了95.3％,命名实体识别的F值达到了90.3％,这说明三位一体字标注的汉语词法分析性能更优.

摘要： 本发明实施例提供了一种中文信息检索方法、中文信息检索装置。所述方法包括：接收检索关键字的全拼组合，从全拼组合中提取声母的首字母及韵母；在预置的二级检索索引集中，检索首字母对应的起始偏移量；在一级检索索引集中起始偏移量对应的位置开始，检索首字母和韵母构成的拼音对应的起始偏移量和终止偏移量；从预置的检索索引集中，读取起始偏移量到终止偏移量之间的全拼索引记录；判断检索关键字的全拼组合与目标中文信息全拼组合序列中的第一个全拼组合是否相同，如果相同，则根据目标中文信息偏移量，从预置的目标中文信息索引集中，检索目标中文信息。本发明提供的检索技术能够从海量目标中文信息中快速准确检索目标中文信息。

摘要： 公开了一种能够在信息处理设备中反映已经通过在信息处理终端之间交换数据而在用户间建立的关系的信息处理系统。第一信息处理终端(3-1)从第二信息处理终端(3-2)接收操作该第二信息处理终端(3-2)的用户的标识数据。第一信息处理终端(3-1)存储操作该第二信息处理终端(3-2)的用户的标识数据。第一信息处理终端(3-1)将操作该第一信息处理终端(3-1)的用户的标识数据与操作该第二信息处理终端(3-2)的用户的标识数据相关联，并且将相关联的数据传送到信息处理设备(2)。信息处理设备(2)基于所接收的标识数据将操作该第一信息处理终端(3-1)的用户与操作该第二信息处理终端(3-2)的用户相关联。

摘要： 在由多个阶段配置的游戏程序中，用户可能希望容易地选择并且仅玩希望的阶段。本发明是一种信息处理系统，并且其特征在于包含：执行装置，其用于执行一个应用；组信息存储装置，其用于存储组信息，所述组信息与多条执行状态信息项目、多条内容信息项目和组标识信息相关联，所述多条执行状态信息项目表示执行装置的多个执行状态，所述多条内容信息项目表示多条执行状态信息的内容，并且所述组标识信息标识所述多条执行状态信息项目和所述多条内容信息项目所属的组；以及菜单信息生成装置，其用于基于所述组信息生成菜单信息，所述菜单信息显示在所述组中的至少一个中包括的内容信息。所述执行装置的特征在于通过使用与在所述菜单信息中包含的内容信息项目中的至少一条相关联的执行状态信息执行所述至少一个应用。

摘要： 本发明实施例提供了一种中文信息检索方法、中文信息检索引擎及嵌入式终端。所述方法包括：接收检索关键字的全拼组合，从全拼组合中提取声母的首字母及韵母；在预置的二级检索索引集中，检索首字母对应的起始偏移量；在一级检索索引集中起始偏移量对应的位置开始，检索首字母和韵母构成的拼音对应的起始偏移量和终止偏移量；从预置的检索索引集中，读取起始偏移量到终止偏移量之间的全拼索引记录；判断检索关键字的全拼组合与目标中文信息全拼组合序列中的第一个全拼组合是否相同，如果相同，则根据目标中文信息偏移量，从预置的目标中文信息索引集中，检索目标中文信息。本发明提供的检索技术能够从海量目标中文信息中快速准确检索目标中文信息。

摘要： 公开了一种能够在信息处理设备中反映已经通过在信息处理终端之间交换数据而在用户间建立的关系的信息处理系统。第一信息处理终端(3-1)从第二信息处理终端(3-2)接收操作该第二信息处理终端(3-2)的用户的标识数据。第一信息处理终端(3-1)存储操作该第二信息处理终端(3-2)的用户的标识数据。第一信息处理终端(3-1)将操作该第一信息处理终端(3-1)的用户的标识数据与操作该第二信息处理终端(3-2)的用户的标识数据相关联，并且将相关联的数据传送到信息处理设备(2)。信息处理设备(2)基于所接收的标识数据将操作该第一信息处理终端(3-1)的用户与操作该第二信息处理终端(3-2)的用户相关联。

摘要： 本发明是一种可用于移动通讯领域的中文信息处理汉字数字化编码技术。该方法提供了一种新颖的汉字数字化规范编码输入技术。它基于人们已有的知识储备，将国标GB2312-80的一、二级汉字及数万条词汇按声、形两部分进行数字编码，通过科学地选取基本码元和有规律的组合，使所需的记忆量降到最低限度。在进一步扩充字词库容量的基础上，降低重码率、减少击键次数，有效地解决移动通讯设备汉字、词汇以及整句输入困难的问题，给人们提供一种可用于数字键盘的既规范、又简易便捷、能即学即用的汉字数字化编码快速输入技术。

摘要： 元(素)码输入法根据汉字结构元素论提出了汉字由形素和音素两者构成，并依此为汉字信息编码的新思路，统一了116个笔画、汉字部件的规范名称，使笔画、部件的读音元素之首字母设置一一对应于电脑标准键盘字母(“V”键上按排折笔画)。在此基础上，设计出了几种编码方式，同时也可在手机等数字编码设备上使用，使人们终身只学一种编码成为可能，巧妙地解决了汉字编码中，重形轻音、形声脱节的难题。它可广泛应用于各类中文信息处理系统之中。

摘要： 本发明属于信息技术领域公开了一种中文信息处理装置及信息处理方法，包括检索问题输入模块、检索问题处理模块和检索问题输出模块，所述的检索问题输入模块包括键盘输入模块、语音输入模块和蓝牙输入模块，所述的检索问题处理模块包括中央处理器，所述的中央处理器内置信息数据库，所述的中央处理器与兼类分歧词数据库以及动态标注数据库相连接，所述的检索问题输出模块包括显示屏输出模块、打印机输出模块以及云端输出模块，本发明结构简单，功能实用，除了必要的基本数据库以外，增设兼类分歧词数据库和动态标注数据库，可以对问题的解答更加明确、全面、直观，便于用户接受；设有多种数据更新方式，保证数据库的实时更新。

摘要： 本发明是一种可用于移动通讯领域的中文信息处理汉字数字化编码技术。该方法提供了一种新颖的汉字数字化规范编码输入技术。它基于人们已有的知识储备,将国标GB2312－80的一、二级汉字及数万条词汇按声、形两部分进行数字编码,通过科学地选取基本码元和有规律的组合,使所需的记忆量降到最低限度。在进一步扩充字词库容量的基础上,降低重码率、减少击键次数,有效地解决移动通讯设备汉字、词汇以及整句输入困难的问题,给人们提供一种可用于数字键盘的既规范、又简易便捷、能即学即用的汉字数字化编码快速输入技术。

摘要： 本发明属于电子计算机中文信息处理方面的一项系统软件应用技术。是一种汉语拼音方案。它输入的不仅是单个汉字,也能做到按语句输入。因为它有一套根据汉语实际需要而设计的字母、符号和数字系统,有完善的拼写规则。它能解决词与短语的划分问题、各类词语的连写和定型问题、同音同形词语的区分问题。在表音、表义和降低重码率方面均优于其它编码方案和《汉语拼音方案》。