词性

摘要： 在深度学习技术和预训练语言模型不断发展背景下,文章探讨面向数字人文研究需求的古文典籍文本词性自动标注问题。以校验后的高质量《四库全书》全文语料作为训练集,构建SikuBERT预训练语言模型,在源自多领域的16部古文典籍文本上开展词性自动标注实验。结果表明:SikuBERT预训练语言模型在词性自动标注任务中表现优良,词性标签总体预测准确率达到89.64%。文章还展示了单机版“SIKU-BERT典籍智能处理系统”的词性自动标注功能设计及应用。

摘要： 怀远方言里的“相”可以兼做动词、副词、名词、助词和词缀。它最初是个动词,在“省视、察看”的动词义基础上发展出表示动作方式的副词义,演化出表示相貌、状貌的名词义;继而又在名词义基础上通过虚化,产生了用以摹状的助词义和表示价值评价的词缀义。促使以上变化发生的主要原因是所指转移或虚化以及句法位置改变。

摘要： “是”字句是现代汉语中的使用频率相对比较高,同时在我们日常交流中“是”字句出现的频率也比较高的一种特殊的句式。最近几年,相关研究者也从不同的角度对“是”字句进行了研究与探索,本文拟从“是”字句句中“是”的词性出发进行分析,从含义、结构以及功能三方面进行“是”的词性分析,再此基础上分析了关系动词“是”与一般动词相同以及不同的句法特点。

摘要： 针对忽略词性和上下文相关语义对特征选择的影响,建立了基于注意力机制的改进信息增益模型,为特征词引入词性过滤,加入了多头注意力机制。

摘要： 汉语和韩语都是重叠词非常发达的语言,汉韩重叠词都具有形象性、确切性、音乐性特点。重叠词并不是简单地重复,它的合理运用能增强语言的节奏感,使文字产生一种韵味的变化,表达丰富的思想内容,起到较好的艺术效果。汉韩重叠词可以分为完全反复重叠词和部分反复重叠词。在形态上主要表现为:AA,ABAB,AABB,AAB,ABB,ABCB,AABC,ABAC,ABCC。本文将对这些形态汉韩重叠词的词性进行对比研究。

摘要： 复句关系是指复句分句之间的逻辑语义关系,复句关系识别是对分句间语义关系的甄别,是自然语言处理中的难点问题.本文以有标复句为研究对象,提出了一种BERT-FHAN模型,该模型利用BERT模型获取词向量,在HAN模型中融入关系词本体知识以及词性、句法依存关系、语义依存关系特征.通过实验对提出的模型进行验证, BERT-FHAN模型取得的最高宏平均F1值和准确率分别为95.47%与96.97%,表明了本文方法的有效性.

摘要： 通过查找资料,了解了"星星点灯"这一组合词的含义和应用以及"点"字的词性和含义.之后对"星星点灯"中"点"的词性和含义进行了探讨,得出"点"的词性不同时,"星星点灯"的意义有所差异的结论,为准确理解和使用词语提供一点帮助.

摘要： 通过查找资料,了解了“星星点灯”这一组合词的含义和应用以及“点”字的词性和含义。之后对“星星点灯”中“点”的词性和含义进行了探讨,得出“点”的词性不同时,“星星点灯”的意义有所差异的结论,为准确理解和使用词语提供一点帮助。

摘要： 武都城关镇中“上”既有和普通话中相同的方位名词与动词用法,又受地域文化影响而产生方言义。其中,“上”的方言义主要类型分为作结果补语、趋向补语与表示方式、时态的助词,较少用形容词义。笔者试图通过搜寻文献,观察实际,归纳出城关镇地区方言“上”的独特用法,梳理“上”用法的流变过程,并与其他方言中“上”的用法进行对比,从中一窥武都区城关镇语言特点与地域文化。

摘要： 《普通高中语文课程标准》指出“语言积累、梳理探究”学习任务群的学习目标是能梳理文言词语在不同上下文中的词义和用法.把握古今汉语词义的异同,既能沟通古今词义的发展关系,又要避免用现代意义理解古义,做到对中华优秀传统文化作品的准确理解.这一目标和内容在高考试卷中主要体现为文言翻译.

摘要： 在利用专业文献自动构建知识库的过程中,需要正确识别专业文献中的命名实体.针对命名实体识别问题,提出了一种以统计为主发现命名实体的方法.该方法利用隐式切分标记将原文切分为较短的汉字串,采用自增长统计算法从汉字串中生成原始模式集,并利用统计信息和词性信息筛选出命名实体.

摘要： HNC理论认为,抽象概念具有复杂的多元性表现,可以概括为五元性,用五元组表示.五元组是词性的基元,它以基元和基元复合的方式来表达抽象概念的多元性,从语言深层阐叙并解决了词性问题.HNC的概念矩阵与同行优化准则比词性搭配规则对词语搭配的约束更加充分而必要.五元组是语句中的概念联想脉络激活的重要工具.

摘要： 带"圪"叠词是与普通话中的叠词相似度很大的一种特殊的晋语方言词集合.本文拟从构形、词性和语义三个角度对两者之间的异同进行分析.

摘要： 先秦原初“是”是正午义时间名词，引申发展为正确、肯定、遵从、法则等，词性转为形容词、动词或其他名词；发展为指代词“是”而隐含确认义。指代词“是”复指短主语或指代词主语时失去复指作用，演变为判断词。“当时、那时”义时间词“是”表示前后动作行为同时发生，如果动作行为是先后发生，“是”义为“那时以后”，演变为承接连词，进而随着前后成分语义关系的变化发展出多种连接功能。“是故”由名词性词组演变为双音连词。

摘要： 框架下,本文针对事件发展的动态性提出了一种先进行文档过滤再进行摘要抽取的方法,其中文档过滤的原则为:体现出当前文档集合与历史文档的区别,并提取反映当前文档集合主题的语句.根据文档过滤的原则,引入语句的相似度计算,着重考虑了命名实体及词性对结果的影响。在2007年的文档理解会议(Document Understanding Conference,DUC),利用该方法反馈的评测结果以及我们自己的实验数据显示这种方法对于捕获事件发展的动态性是有效的。

摘要： 语文辞书质量的提高，做到释义内容的准确与表达形式的规范，必须解决面临的一些深层次的理论问题，本文就当前汉语语文辞书编纂中实践上存在疑难、理论上存在困惑的几个问题试作阐述：一是关于“定义式”释义方式的使用条件问题；二是关于避免语文辞书义项设立随意性、盲目性的问题；三是关于释词用语与被释词语词性一致的问题。

摘要： 本发明涉及一种词性标注系统，包括：词性标注模型训练装置，用于基于词性层次树利用词性标注训练集中已标注的第一文本来逐层逐节点地训练词性标注模型；以及词性标注装置，用于使用训练的词性标注模型对待标注的文本进行词性标注。本发明还涉及一种词性标注方法、一种用于训练词性标注模型的装置及其方法。根据本发明的系统和方法，实现了大规模标注集中的词性的标注并提高了词性标注的精度。

摘要： 本发明涉及一种词性标注模型训练装置，包括：直接成分分析单元，用于对词进行直接成分分析，以获得直接成分、其属性以及位置关系；转换单元，用于将直接成分分析的结果转换为训练数据；机器学习单元，用于对转换的训练数据进行机器学习，从而生成词性标注模型。以及涉及一种词性标注模型训练方法。以及一种词性标注系统及其方法，系统包括：词性标注模型训练装置，用于通过对词典中的词执行直接成分分析，以训练生成词性标注模型；以及基于模型的词性标注装置，用于利用词性标注模型对未登录词进行词性标注。根据本发明的系统，可以根据现有的文本信息，对未登录词的词性进行准确标注，提高了文本信息处理的效率。

摘要： 本发明涉及文本分析技术领域，具体涉及词性标注模型的训练方法、词性标注方法及电子设备，所述训练方法包括获取文本样本数据，以及所述文本样本数据中每个字对应的初始词性标签；获取所述文本样本数据中每个字属于其他词性类别的概率，并基于所述概率对所述初始词性标签进行平滑处理，确定目标词性标签；将所述文本样本数据输入词性标注模型中，确定所述文本样本数据中每个字对应的预测词性；根据所述预测词性以及所述目标词性标签，更新所述词性标注模型的参数，以确定目标词性标注模型。在平滑处理的过程中结合对应的概率，可以避免词性标注模型的输出过拟合到初始词性标签上，并且不会损害其分类能力，从而可以保证目标词性标注模型的准确性。

摘要： 本发明涉及结合兼类词词性消歧模型和字典的越南语词性标记方法，属于自然语言处理技术领域。本发明首先通过整理越南语字典为基础得到非兼类词字典和兼类词字典；其次根据越南语特点，选取越南语词性标注特征，形成兼类词词性消歧模型；再根据兼类词词性消歧模型和非兼类词字典分别对测试语料中的兼类词和非兼类词进行词性标记；最后将两种标记的结果进行融合得到最终标记结果。本发明特别考虑了兼类词对词性标注的影响，有效地提高越南语的词性标注的正确率。

摘要： 本发明涉及一种词性标注系统，包括：词性标注模型训练装置，用于基于词性层次树利用词性标注训练集中已标注的第一文本来逐层逐节点地训练词性标注模型；以及词性标注装置，用于使用训练的词性标注模型对待标注的文本进行词性标注。本发明还涉及一种词性标注方法、一种用于训练词性标注模型的装置及其方法。根据本发明的系统和方法，实现了大规模标注集中的词性的标注并提高了词性标注的精度。

摘要： 本发明涉及一种词性标注模型训练装置，包括：直接成分分析单元，用于对词进行直接成分分析，以获得直接成分、其属性以及位置关系；转换单元，用于将直接成分分析的结果转换为训练数据；机器学习单元，用于对转换的训练数据进行机器学习，从而生成词性标注模型。以及涉及一种词性标注模型训练方法。以及一种词性标注系统及其方法，系统包括：词性标注模型训练装置，用于通过对词典中的词执行直接成分分析，以训练生成词性标注模型；以及基于模型的词性标注装置，用于利用词性标注模型对未登录词进行词性标注。根据本发明的系统，可以根据现有的文本信息，对未登录词的词性进行准确标注，提高了文本信息处理的效率。

摘要： 本发明公开了基于成词性信息和键值记忆网络的中文分词方法，属于中文分词技术领域，要解决的技术问题为如何结合多种成词性特征，实现普适性的中分分词。包括：对输入的句子进行分析，得到每个字所有相关的N元模型，基于每个字所有相关的N元模型构建词典，对于每个N元模型，并将N元模型作为键、将字和键的成词性信息作为值，构建键值记忆；通过编码器对输入句子的每个字进行编码，基于键值记忆网络通过键和值之间的转换对键值记忆进行建模，得到建模结果；通过解码器对建模结果进行预测分析，得到分词结果。

摘要： 本发明涉及利用局部多头注意力机制融合词‑音节对的泰文和缅甸文词性标注方法，属自然语言处理领域。本发明包括：预处理泰文或者缅甸文文本数据集；使用窗口化的方式选择词语‑音节对特征作为模型输入；之后利用局部多头注意力机制从词语‑音节对序列中学习上下文特征；最后通过条件随机场建模词性依赖关系，进行词性标签的预测。针对泰文和缅甸文词性标注数据集的实验结果表明，与当前最优模型相比，本发明将音节作为词语的形态学特征进行融入，有助于学习未知词的上下文特征，缓解未知词错误标注对模型性能的影响。并且本发明采用局部多头自注意力机制可以使模型获取更丰富的局部依赖特征，在词性标注任务中取得更好的标注结果。

摘要： 本发明公开了一种运用词性信息的机器翻译方法，其特点是使用包含对应词性标签的双语语料的训练集，在翻译模型训练完成后，利用词性信息辅助机器翻译；所述翻译模型包括共享编码器、解码器和词性分类器，且以不同的方式导入词性信息，增强模型语言理解和文本生成的能力；所述共享编码器由源句编码器和辅助句编码器组成；所述解码器包括原始多头注意力模块和辅助多头注意力模块。本发明与现有技术相比具有将引入的词性信息提升机器翻译模型的性能，本发明以Transformer为基础翻译模型，在编码器和解码器两个组件中以不同的方式导入词性信息，使得翻译模型能够利用词性信息来增强模型语言理解和文本生成的能力，提升机器翻译的质量。

摘要： 本发明提供了词性感知嵌套命名实体识别方法、系统、设备和存储介质，通过获取待识别文本的文本词数据后，采用BiLSTM模型对文本词数据进行特征提取得到文本词深度特征，并根据文本词深度特征将待识别文本的各个文本词初始化为对应的图节点，根据预设词性路径构建待识别文本的文本异构图，通过注意力机制更新图节点的文本词数据，再采用BiLSTM模型对文本异构图的所有图节点进行特征提取，得到待解码文本词向量表示后，采用条件随机场进行解码和标注，得到嵌套命名实体识别结果的方法，能够对普通实体和嵌套实体进行精准有效的识别处理，提高嵌套命名实体识别效率的同时，进一步提升嵌套命名实体识别模型的性能优势。