词类标注

摘要： 《现代汉语词典》第5版对双斜线“//”在使用上有两点改进,第6版、第7版一直沿用,没有改动。第一点改进是创建“(-//-)”符号;第二点改进是把可离合的主谓式双字条目分写的注音改为连写,并在中间加双斜线“//”。前者解决了如何处理一个条目中有的义项可离合、有的义项不可离合的问题,后者解决了如何处理词类标注和双斜线“//”的关系问题。

摘要： 时间词的词类归属历来存在争议。本文调查了时间词在7部汉语/汉英词典中的词类标注后发现:(1)汉语/汉英词典中,时间词词类标注不一致率竟然高达三分之一;(2)不论汉语词典还是汉英词典,都倾向于将时间词标注为单类名词;(3)汉语词典间,时间词的词类标注未见显著差异,但在汉英词典间,差异显著(χ^(2)=25.022,p=.001<α=.05)。时间词的词类标注在汉语词典和汉英词典中之所以高度不一致,很大程度上是因为理论界对时间词的词类地位及范围众说纷纭。研究表明,时间词不是一个语法上的词类概念,理应在词类研究中摒弃;时间词不论被视为名词或副词的次类,还是独立的词类,实则都是科学主义的产物;只有基于大型语料库进行使用模式调查后才能更好地将与时间相关的概括词进行合理归类,进而提升汉语/汉外词典的编纂质量。

摘要： 在现代汉语语法本体研究和现代汉语词典词类标注研究中,兼类问题尤为棘手,且极具争议。基于双层词类范畴化理论,通过对北京大学中国语言学研究中心(CCL)语料库和北京语言大学语料库(BCC)的随机取样分析,我们发现“困惑”作为名词、动词和形容词的用法在个例频率、类型频率、历时分布和语域分布四个方面均满足规约化的用法,在词典中应被处理为名、动、形兼类词。研究表明,“困惑”一词的词类标注问题较多,让人困惑,其实是受科学主义方法论影响下的“简约原则”的束缚所致。

摘要： 《现代汉语词典》(第7版)将“以前、以后、以降、以来”四个表时间的词标注为方位词,而其在对方位词的概念进行界定时并未提及方位词可以表示时间。大量语言事实表明,这四个词并没有表示方位和处所的用法。所以,“以前”“以后”“以降”“以来”应当标注为时间词。而对于“之前、之后、前后、左右”等兼表方位和时间的词,《现代汉语词典》将它们标注为方位词也不恰当,应该按照不同的义项分别加以词类标注。因此,方位词标注的方法及原则便显得尤为重要。

摘要： 文章以双层词类范畴化理论为指导,基于汉语/汉英词典和语料库分别对双音节词"斗争"的词类标注进行探讨.研究发现,汉语词典将"斗争"标为动词,少部分汉英词典将其标注为动名兼类词;且同部词典中存在配例、释义与词类标注不协调等问题.通过两大语料库检索得知,"斗争"名词用法使用频率高,用法广泛.《牛津高阶英语词典》(第9版)中"斗争"的对应词"struggle"被标注为动名兼类词.现代汉语词典在处理兼类问题时不同于现代英语词典的原因主要是汉语词类遵循"简约原则",但该原则在处理词类问题尤其是概括词的语法多功能现象上会出现偏差,并会导致词典微观结构表征的实践冲突.

摘要： 通过对权威汉语/汉外双语词典和国家语委现代汉语语料库的调查发现,"表扬/批评"的词类标注存在分歧,且未体现词类标注与释义/译义的对称性原则.文章在"双层词类范畴化理论"的指导下,基于CCL现代汉语语料库对"表扬/批评"的词类标注问题进行探讨.研究发现,概括词"表扬/批评"在现代汉语社群语言系统层面中属动名兼类词,并非仅是动词.

摘要： 以"双层词类范畴化理论"为基础,基于国家语委现代汉语语料库、《现代汉语词典》(第6版)、《现代汉语词典》(第7版)、《现代汉语规范词典》(第3版)、《汉英词典》(第3版)和《新世纪汉英大词典》(第2版)词类标注数据,对"半夜"一词的词类标注问题进行实证研究,从而搞清楚"半夜"一词的词类归属,以期为汉语以及汉英词典编纂提供合理的建议.

摘要： 以“双层词类范畴化理论”为基础,基于国家语委现代汉语语料库、《现代汉语词典》(第6版)、《现代汉语词典》(第7版)、《现代汉语规范词典》(第3版)、《汉英词典》(第3版)和《新世纪汉英大词典》(第2版)词类标注数据,对“半夜”一词的词类标注问题进行实证研究,从而搞清楚“半夜”一词的词类归属,以期为汉语以及汉英词典编纂提供合理的建议。

摘要： 通过对几部具有代表性的大中型汉英词典的调查,发现汉英词典对“思维”的词类标注比较片面.鉴于此,本文采取语料库的研究方法,利用“语料库在线”,对“思维”一词在现代汉语中的使用进行了检索,并对检索结果加以分析,结果表明“思维”在汉英词典中应处理为名动兼类词.

摘要： 本文以维吾尔语小学语文教材语料为验证对象,使用从语法语义相结合角度制定的《现代维吾尔语词干词类标注标记集》,对维吾尔语小学语文教材词干进行了词性标注,验证该标记集规范的可行性、适应性和可靠性.本文根据现代维吾尔语的基本特点，以现有的标记集规范为依据，词干的语法语义相结合，对小学维吾尔文语文教材进行了词性标注验证性实验。在小学维吾尔文语文教材中，总共有143764个词语，词干种数是28133种。语法语义相结合的1345种标记集对小学语文教材词干标注满足率进行具体试验，"信息处理用现代维吾尔语词干词类标注标记集"的顶层设计符合现代维吾尔语特点和计算机信息处理要求。第一层语法角度考虑、共14种，第二层开始语法框架基础上语义角度进行第三、四层，在设计每一层时，考虑了适应性和扩建性，提出比较科学的层次，基本满足构建通用信息处理用现代维吾尔语词干词类标注熟语料库，提供科学、有效、可行和规范，并作为新疆维吾尔语词干标注标记集标准打下良好的基础，提供科学依据，进一步优化后，可以推荐地方标准，下一步提升国家标准层面提供科学依据。

摘要： 本文就《现汉》第5版全面标注词类的一大变化，概述了词类标注前后的《现汉》设例情况，论述了词类标注给《现汉》设例带来的新问题，包括例证增补问题、例证的更换与选择问题和设例多寡与例证排列问题。这些问题就需要细致分析和研究。前人的分析给我们启发，同时我们还注意到，当前特别需要从词类标注后《现汉》设例面临的新问题角度来分析《现汉》第5版的设例问题，以此推进《现汉》编纂进一步完善和提高。

摘要： Leech在1997年的"Introducing corpus annotation"一文中给语料库标注(corpus annotation)下的定义是:"为电子口笔语语料库文本添加解释性信息和语言学信息的活动."标注的具体实施就是对文本某些元素或特征添加预定的标签(tag),语料库标注通常可以分为计算机自动标注、机助人工标注和完全人工标注3种.在实际运用中,标注这个术语有3个含义:第一个含义指标注方案,也就是一系列预定的标注代码集和标注规则集;第二个含义指标注过程,包括标注使用的软件、技术和程序;第三个含义指标注产品,也就是加工过的带标记的语料库文本.不同的研究者对标注这个术语的使用不完全相同.文中介绍了英语词类标注中的兼类词消歧策略、随机词类标注、基于转换的标注、英语词类标注中的其他问题，目前，基于语料库的研究范式仍然是语料库语言学研究的主流，应当关注语料库驱动研究范式提出的问题，注意克服语料库标注的局限性，比如在语料库标注中，应当特别注意语料库标注集的科学性和可靠性，尽量避免主观性和片面性，克服标注的局限，使语料库的标注尽可能地反映语言的真实面貌。在语料库标注中，由于标注集的不同往往会导致标注语料库之间无法进行数据交换和共享，影响了标注语料库的使用效果。因此，应当特别注意语料库标注集的标准化和规范化，进一步提高标注结果的共享程度。

摘要： 本文根据藏语语料库建设的实际需求,提出了一个基于语料库的藏语词类标注和分类方法,以其为藏语语料库建设提供一个可供参考的标准和方法.

摘要： 本文依据班智达藏语料自动分词技术，设计出班智达藏文查询接口及信息西抽取总体功能结构，较详细地讨论了班智达藏文藏词性规范、词典库的数据结构和信息抽取的文法规则，并给出了班智达藏文查询接口的信息抽取算法。

摘要： 本文依据班智达藏语料自动分词技术，设计出班智达藏文查询接口及信息西抽取总体功能结构，较详细地讨论了班智达藏文藏词性规范、词典库的数据结构和信息抽取的文法规则，并给出了班智达藏文查询接口的信息抽取算法。

摘要： 本文依据班智达藏语料自动分词技术，设计出班智达藏文查询接口及信息西抽取总体功能结构，较详细地讨论了班智达藏文藏词性规范、词典库的数据结构和信息抽取的文法规则，并给出了班智达藏文查询接口的信息抽取算法。

摘要： 本文依据班智达藏语料自动分词技术，设计出班智达藏文查询接口及信息西抽取总体功能结构，较详细地讨论了班智达藏文藏词性规范、词典库的数据结构和信息抽取的文法规则，并给出了班智达藏文查询接口的信息抽取算法。

摘要： 本文依据班智达藏语料自动分词技术，设计出班智达藏文查询接口及信息西抽取总体功能结构，较详细地讨论了班智达藏文藏词性规范、词典库的数据结构和信息抽取的文法规则，并给出了班智达藏文查询接口的信息抽取算法。

摘要： 本文依据班智达藏语料自动分词技术，设计出班智达藏文查询接口及信息西抽取总体功能结构，较详细地讨论了班智达藏文藏词性规范、词典库的数据结构和信息抽取的文法规则，并给出了班智达藏文查询接口的信息抽取算法。

摘要： 本发明涉及计算机视觉技术领域，提供一种图像标注方法、图像标注装置及计算机存储介质。图像标注方法，包括：获取待标注图像；基于待标注图像，确定分割区域的最小尺寸；基于最小尺寸，将待标注图像进行超像素分割，得到分割图像；基于当前分割图像确定当前阈值；根据当前阈值，采用区域融合的方式将分割图像的分割区域进行融合，得到当前融合图像；对局部区域中仅包括一个目标图像的局部区域进行标注；判断当前融合图像是否包括未标注的局部区域，根据判断结果完成待标注图像的标注。根据本公开提供的图像标注方法，能够有利于降低人工标注的时间成本，提高标注效率，且不影响图像标注的准确度。

摘要： 本发明提供了一种基于自学习标注的标注模型训练方法及标注方法，旨在解决人力成本较高的问题。标注模型训练方法：S100、从原始数据集中抽取数据进行人工标注获得初始训练数据集，并训练标注模型；S200、将剩余数据采用标注模型标注，输出识别结果和置信度；S300、划分出低置信度数据集和其他数据集，对低置信度数据集进行审查；S400、若审查结果不满足预设条件，执行步骤S500；若审查结果满足预设条件，执行步骤S600；S500、对低置信度数据进行人工标注，并训练标注模型；对其他数据集中的数据进行模型标注，输出识别结果和置信度；按照置信度将其他数据集划分为低置信度数据集和其他数据集，低置信度数据集进行审查，并执行步骤S400；S600、获得达标标注模型。

摘要： 本发明提供一种数据标注方法、标注员考核方法及标注结果审核方法，其中，数据标注方法，包括如下步骤：接收多个第一标注信息，所述第一标注信息为用户根据预先建立的标注模板对标注对象进行标注得到，所述预先建立的标注模板包括多个标注类别之间的关联关系；根据所述多个第一标注信息以及对应标注类别之间的关联关系，形成所述标注对象的第二标注信息。通过实施本发明，引入了标注对象间的关联性，适用于复杂标注需求，能够深度挖掘图像信息，提高了数据标注的信息量。

摘要： 本申请公开一种图片标注方法及标注平台，确定第一图片需进行隐私化处理；通过第一识别方式，确定第一图片中的第一隐私对象；通过第二识别方式，确定第一图片中的标注对象，并基于标注对象确定第一图片中的第二隐私对象；对第一隐私对象和第二隐私对象进行模糊化处理，得到隐私化处理后的第二图片；第二图片用于标注人员对所述标注对象进行标注。通过该方式对第一图片中的隐私对象进行模糊化处理后，在基于模糊化处理后得到的第二图片而对标注对象进行标注时，标注人员等一些无关人员将无法获取到第一图片中的隐私对象，从而提升了图片标注过程中对数据隐私的保护力度。

摘要： 本发明涉及基于众包技术的面向多层次标注者的事件标注系统的构建方法，包括以下步骤：1、收集领域数据并构建完整的实体库和事件信息库；2、预处理语料库并构建完整的待标注语料库存取机制：过滤掉无效文本，进行分句处理；3、构建完整的标注机制，先进行实体标注再进行事件标注；4、构建完整的众包任务分配机制和众包结果聚合机制；5、构建完整的数据集导出机制，根据下游事件抽取模型所需要的数据集格式动态地调控和构建所需事件抽取数据集。本发明能够有效地将多种众包技术应用于不同专业程度的标注者的标注过程中，从而有效利用标注者的背景知识，最大化地发挥众包的作用。

摘要： 本发明公开一种图像目标三维信息标注方法及图像标注工具，包括以下步骤：1)读取待标注的图像；2)设置目标物体的高度，宽度，长度；3)设置三维检测框初始X轴数值，Y轴数值，Z轴数值，朝向α的数值；4)设置拍摄待标注的图像的摄像头内参；5)根据（1），（2），（3），（4）将待标注的图像中的目标物体投影到待标注的图像上，形成三维检测框；6)调整X轴数值，Y轴数值，Z轴数值，朝向α的数值，使得三维检测框准确覆盖待标注的图像上的目标物体；7)保存调整后的X轴数值，Y轴数值，Z轴数值，朝向α的数值形成三维目标检测的训练数据。将三维检测框直接绘制到待标注的图像中，使得三维检测框覆盖待标注的图像中的目标物体，最后保存所有调整的参数信息，能够方便，快捷得到深度学习的训练数据，有利于三维目标检测算法的实现。

摘要： 本申请公开了一种自动标注方法、自动标注装置和计算机可读存储介质，该方法包括：获取第一待标注视频，第一待标注视频包括待标注内容；对第一待标注视频进行特征提取处理，得到第一特征信息；采用标注生成网络对第一特征信息进行处理，生成至少一个候选标注区，并对候选标注区进行修正处理，生成目标标注区，目标标注区包括与待标注内容对应的起点时刻以及终点时刻之间的视频；对目标标注区中的待标注内容进行分类处理，得到待标注内容的类别信息。通过上述方式，本申请能够提升对视频进行自动标注的准确率与效率。

摘要： 本申请属于人工智能技术领域，提供一种基于神经网络的分词和词类标注方法、装置、计算机设备及存储介质，该方法包括：获取待分词的语料并输入到预先训练的第一DNN神经网络模型中，获取第一DNN神经网络模型响应待分词语料而输出的多个初始分词；计算每个初始分词的内部聚合度和信息熵，将内部聚合度和信息熵都超过设定的阈值的初始分词确定为最终分词。将最终分词输入预先训练的第二DNN神经网络模型以及KNN模型中，用于分析最终分词的候选词类及候选词类概率和相似词的词类及相似词词类概率，并返回概率最高的词类为最终分词的词类。本发明实施例在分词的同时完成词性标注的工作，进一步提高分词的精度，针对不同的场景提供最契合该场景的分词结果。

摘要： 本发明公开了一种中文电子病例医疗实体词类标注方法，该方法包括两部分，第一部分为细粒度中文电子病历医疗实体类别划分规则制定与语料数据集构建；第二部分为基于结合门控注意力机制的中文电子病历医疗实体词类标注方法；根据中文电子病历文本特点制定了一种细粒度中文电子病历医疗实体标注规则，同时依照此规则构建了中文电子病历医疗实体语料数据集，并且基于中文电子病历行文特点发明了一种结合门控注意力机制的GATTLCN模型，通过门控注意力网络动态选择需要重点关注的上下文元素来增强文本聚焦，提升模型效果。运用此发明解决了中文电子病历细粒度医疗实体词类标注方面存在的不足。

摘要： 本申请属于人工智能技术领域，提供一种基于神经网络的分词和词类标注方法、装置、计算机设备及存储介质，该方法包括：获取待分词的语料并输入到预先训练的第一DNN神经网络模型中，获取第一DNN神经网络模型响应待分词语料而输出的多个初始分词；计算每个初始分词的内部聚合度和信息熵，将内部聚合度和信息熵都超过设定的阈值的初始分词确定为最终分词。将最终分词输入预先训练的第二DNN神经网络模型以及KNN模型中，用于分析最终分词的候选词类及候选词词类概率和相似词的词类及相似词词类概率，并返回概率最高的词类为最终分词的词类。本实施例在分词的同时完成词性标注的工作，进一步提高分词的精度，针对不同的场景提供最契合该场景的分词结果。