老挝语

摘要： 目前流行的词性标注方法严重依赖语料规模及人工提取特征的质量;然而,老挝语资源稀缺,语料及特征选取面临很大挑战,且老挝语句子本身存在普遍过长的特点.因此,该文提出一种融合细粒度词特征的老挝语词性标注方法,构建了融合细粒度词特征的Att-BiLSTM-CRF模型.首先,以老挝音素和声调符号作为基本单元来进行老挝细粒度词特征的提取,使模型获取更加丰富的语料信息;然后,将细粒度词特征输入BiLSTM中获取句子级别特征;其次,使用自注意力机制防止老挝句子长远上下文信息丢失;最后,使用CRF提取相邻词性约束关系,从而获取最优词性标签.实验结果表明,在有限语料集下,该方法精确率、召回率和F1值分别为93.70%、93.87%、93.62%.

摘要： 为了对互联网上大量的老挝语军事类文本进行结构化分析,该文提出了一种基于双向长短期记忆网络和多头自注意力机制的军事领域实体关系抽取方法.针对老挝语语料匮乏问题,提出了"硬匹配"和"软匹配"的思想,在完成语料获取和预处理的基础上,利用预定义的关系词表进行"硬匹配",之后再通过词典匹配和相似度计算相结合的方法进行"软匹配",以提高关系类型的泛化能力,进而自行构建了关系抽取标注语料库;然后,通过分析老挝语语言特点,融入了词、词性、实体类型、相对位置关系等特征进行模型训练,并设置了四轮针对不同变量的对比实验,验证了不同的神经网络模型、注意力机制、嵌入的特征以及语料规模对抽取效果的影响程度,实验结果表明融合双向长短期记忆网络和多头自注意力的方法对老挝语军事领域实体关系抽取具有更好的性能.

摘要： 面对错综复杂的国际形势和日益严峻的跨国犯罪活动,国际警务合作力度不断加强,为适应公安工作的变化和需求,培养具备公安专业知识的警务小语种复合型人才成为新时代公安院校人才培养的重要内容.以云南警官学院小语种人才培养发展情况为出发点,深入分析警务小语种人才培养的困境,受英语教学的ESP理论启发,从老挝语教学的角度提出LSP理论,并探讨警务小语种人才培养的提升路径.

摘要： 老挝语定语标记种类繁多,是老挝语定语语序研究中突出的问题.通过确定老挝语定语的三大语义域,即定性域、定位域和定态域;之后对语料样本的定量分析,能够发现定语标记的隐现及使用与老挝语定语语义域的功能、排列次序以及定语类别的语法成分有密切关联.从类型学角度看,老挝语定语标记的隐现与使用遵循了称谓性与突显性、联系项居中原则、距离—标记对应律等人类语言的共性规律.

摘要： 双语句子相似度旨在计算不同语言句子间的语义相似程度,在信息检索、平行语料库构建、机器翻译等领域有重要作用.由于汉语、老挝语平行语料稀少,且老挝语在语义表达、句子结构上与汉语有明显差异,导致汉老双语句子相似度研究的难度较大.该文提出了一种融合文本特征的汉老双语句子相似度计算方法,并构建了句子相似度模型.首先,在句子相似度模型中将汉语、老挝语的词性、数字共现等文本特征与GloVe预训练词向量融合,以此丰富句子特征,提升模型计算准确率.其次,由基于自注意力的双向长短时记忆网络组成多层孪生网络来提取长距离上下文特征和深层次语义信息,其中自注意力机制可以保证语义信息的有效利用.最后,采用迁移学习的方法将通用模型参数初始化,并使用不同的微调参策略增强模型的泛化能力.实验表明,该文提出的方法,其召回率、准确率和F1值分别达到了82.5％、85.78％ 和84.00％.

摘要： 本文通过对老挝万象商店中文名及其老语翻译名的对比,分析不同中国商店所使用的老译翻译方法,同时从语法和语义的角度,分析翻译过程中出现的主要问题,从而提出进一步完善老挝万象中文店名的老译翻译对策,这样有利于促进老挝万象老语店名翻译的规范性和统一性,也有利于两国人民经济与文化的交流.

摘要： 国家出版基金项目《汉语小词典》由北京外国语大学和外研社联合组织专家编写,计划出版20个语种。目前已出版斯瓦希里语版、罗马尼亚语版、柬埔寨语版、僧伽罗语版、老挝语版、保加利亚语版、泰语版、马来语版、英语版、德语版、法语版、阿拉伯语版、葡萄牙语版。

摘要： 国家出版基金项目《汉语小词典》由北京外国语大学和外研社联合组织专家编写,计划出版20个语种。目前已出版斯瓦希里语版、罗马尼亚语版、柬埔寨语版、僧伽罗语版、老挝语版、保加利亚语版、泰语版、马来语版、英语版、德语版、法语版、阿拉伯语版、葡萄牙语版。

摘要： 为了解决老挝机构名实体构词方法和语法规则复杂的问题,提出融合多特征的CRF与SVM的实体识别框架.面向老挝语机构名构词特点,将老挝机构名称分为前缀词和后缀词,将前缀词提取构造成一个机构名称特征词典,基于词典与SVM模型确定老挝机构名称前界,再使用融合多特征的CRF模型识别机构名称;最后使用SVM确定的前缀词修正CRF的识别结果.实验结果表明,精确率达到83.49％,召回率达到81.99％,证明了该方法的有效性.文中方法结合了SVM模型与CRF模型的优点,并融合了老挝机构名称的相关语言学特征,取得了较好的识别效果.

摘要： 针对老挝语军事领域命名实体识别存在的规则制定不准确、覆盖不全等问题,提出一种融合条件随机场与规则的识别方法.通过分析老挝语语言和领域文本特点,选取词、词性、通名、指界词和词典等原子特征构建组合特征模板,在自建标注语料上训练条件随机场模型,并利用测试语料进行测试.为识别错例,加入能够表达语言确定性的规则进行后处理,以提升识别性能.实验结果表明,该方法总体准确率、召回率和F测度值分别达到91.49％、90.96％和91.22％,可有效提高老挝语军事领域命名实体识别效果.

摘要： 本发明公开了一种基于改进Transformer+CRF的老挝语命名实体识别方法，属于自然语言处理中小语种识别领域。本发明采用改进的Transformer模型对老挝语进行编码，再用CRF(条件随机场)模型进行解码，获得最优的标注序列。本文发明首先用Transformer作为字符编码器对老挝语的单个字符进行字符编码，将编码得到的字符级向量与预训练的词向量拼接并进行位置编码，作为Transformer编码组件的输入，先后通过多头注意力层和前馈神经网络层的训练，最后将得到的向量集合输入到融合了老挝语人名地名机构名语言学特征的CRF模型中进行命名实体识别训练，得到了融合了老挝语语言规则的命名实体识别模型。本发明的识别效果比主流的BLSTM+CRF的命名实体识别方法有所提升。

摘要： 本发明公开了一种老挝语分词方法，步骤为：步骤1：根据老挝语音节规则构建一个老挝语音节字典；步骤2：将待分词的老挝语句子依据老挝语音节字典，按照字符串匹配算法划分为由一个个音节组成的序列，并将这些音节表示成词向量；步骤3：把这些向量作为已训练好的神经网络模型的输入，经过计算得到一个输出序列；步骤4：使用预测算法来解码这些序列，生成音节的标注标签；步骤5：根据标注标签得到老挝语句子预测分词结果。本发明利用神经网络强大的文本学习能力对老挝语已标注的分词语料进行学习，训练出一个网络模型，并配合预测算法推算老挝语音节的标注标签，从而达到老挝语分词的效果。

摘要： 本发明涉及一种基于SVM和HMM的老挝语机构名称识别方法，属于自然语言处理和机器学习技术领域。本发明首先将老挝机构名称分为机构名称前缀词和机构名称后缀词，并根据老挝语特点将机构名称前缀词提取构造成一个机构名称特征词典，使用SVM模型判断存在于特征词典中的词是否为老挝机构名称前缀词，以确定前界，再使用HMM模型来确定老挝机构名称后界，以识别一个完整的机构名称。本发明融合了基于规则与基于机器学习方法的点，无需庞大的知识库作支撑，取得了比使用传统机器学习方法更好的结果。

摘要： 本发明公开了一种基于组合神经网络的老挝语命名实体识别方法，属于自然语言处理中小语种识别领域。首先利用Bi‑LSTM(双向长短期记忆模型)将老挝语句子序列进行编码，输出字符向量。之后将字符向量进行切片分段，输入到Bi‑RNN(双向循环神经网络)模型中，获得片段内部单元的信息表示向量。在此基础上使用lookup操作获取片段的整体向量表示，然后将获得的片段信息表示向量、整体向量、其他特征向量拼接作为特征输入到神经网络模型中，进行老挝语命名实体识别训练。本发明识别效果明显优于传统统计学习方法，并获得与当前其他最优的老挝语命名实体识别系统相当的识别性能。

摘要： 本发明公开了一种基于卷积神经网络的老挝语印刷体文本光学字符识别方法，属于自然语言处理和机器学习技术领域。本发明在输入印刷体文本扫描图片后，首先对图像进行二值化处理，并进行旋转矫正。然后因为老挝文为从左至右书写的横排元音附标文字，因此将预处理过的图像通过投影直方图法，按照先行后列的顺序，对整页字符进行切割，切分成老挝文字符组合。然后将切分出的老挝文字符输入针对老挝语特征建立的四路并行卷积神经网络模型中，输出对应的字符文本。最后按照老挝语语言规则对字符文本序列进行后处理，产生最终文本输出。本发明在老挝语字符识别及纸质资料数字化处理上有一定的应用价值。

摘要： 本发明公开了一种基于叠层组合分类器的老挝语基本名词短语识别方法，属于自然语言处理领域，是自然语言处理中一项基础的业务，本发明主要融合了老挝语语言学特征到算法模型中，选择了组合分类器的方法，提高识别精度，选用的算法模型为CRF+SVM。首先使用CRF、SVM正向和SVM逆向三种识别模型分别进行标注，获得3份不同的预测结果，与原数据集一同构成新的数据集合，然后选择对序列标注性能最高的模型作为上层分类算法，最后使用新的数据集合，以词、词性和3种模型分类结果作特征，送往上层模型，并将其识别结果作为最终结果。本发明在老挝语基本名词短语识别上准确率较高，具有一定的研究意义。

摘要： 本发明公开了一种融合多特征的老挝语人名地名实体识别方法，属于自然语言处理中小语种识别领域。本发明融合了老挝语人名和地名的语言特征，使用BLSTM+CRF的算法模型。首先利用BLSTM(双向长短时记忆网络)训练老挝词语的后缀、前缀等形态特征的字符级向量。之后使用Gensim的word2vec在较大规模的老挝语背景语料中，训练具有上下文语义特征信息的词向量，并将字符级特征向量和词向量拼接成完整特征向量。最后将老挝语人名地名语言学特征融合到CRF(条件随机场)算法中，再将完整的特征向量输入到最后一层CRF(条件随机场)中进行命名实体识别训练，得到了融合老挝语语言学特征的命名实体识别模型。本发明在老挝语人名地名实体词识别上精确度有较大提升。

摘要： 本发明涉及一种基于SVM‑BiLSTM‑CRF的老挝语机构名称识别方法，属于自然语言处理的命名实体识别领域。本发明根据老挝语的语法特征将老挝机构名称分为机构名称前缀词和机构名称后缀词，并将机构名称前缀词提取构造成一个机构名称特征词典，使用SVM模型筛选出包含老挝语机构名称前缀词的句子，再将句子转化为字符级向量输入Bi‑LSTM(双向长短期记忆模型)‑CRF(条件随机场)模型中进行机构名实体识别训练。本发明融合了基于规则与基于神经网络的方法，取得了比使用传统机器学习方法更好的结果。

摘要： 本发明涉及一种基于GRU模型的老挝语情感分析方法，它属于自然语言处理和深度学习技术领域。GRU作为LSTM的一种变体，将忘记门和输入门合成了一个单一的更新门。同时还混合了细胞状态和隐藏状态。最终的模型比标准的LSTM模型要简单，也是非常流行的变体。Word2Vec就是将词表征为实数值向量的一种高效的算法模型，其利用深度学习的思想，可以通过训练，把对文本内容的处理简化为K维向量空间中的向量运算，而向量空间上的相似度可以用来表示文本语义上的相似。Word2Vec输出的词向量可以被用来做很多NLP相关的工作，比如聚类、找同义词、词性分析等等。利用基于GRU的老挝语情感分析模型，可以有效的对老挝语进行情感分析，因此本发明具有一定的研究意义。

摘要： 本发明公开了一种基于CNN+BLSTM+CRF的老挝语复杂人名地名实体识别方法。本发明主要融合了老挝语语言学特征到算法模型中，在模型的使用中选择了多种模型融合的方法，提高识别精度，选用的算法模型为CNN+BLSTM+CRF。首先利用CNN将老挝语每个词的字符作为输入，输出特定长度的字符级特征向量。之后将老挝语词语作为输入到BLSTM中，输出和字符级特征向量长度一致的具有上下文语义特征的词向量，将字符级特征向量和词向量组合成完整特征向量。在此基础上将多条老挝语复杂人名地名构词特征融合到CRF算法中，用于提升老挝语复杂人名地名实体词的识别精度。本发明在老挝语复杂人名地名实体词识别上准确率有了提升。