词表

摘要： 两栖词汇是学生学习医学学术英语的难点,教师由于缺乏相应的词表作为参照,也难以将两栖词汇全面、系统地纳入医学生的英语教学。研究旨在通过建立词表为师生提供参照,提高该类词汇教与学的效率。采用在线语料分析工具将MedDEAP语料库和Crown语料库进行对比得出医学学术英语核心词汇,再从中筛选出两栖词汇。研究发现,核心技术性词汇覆盖MedDEAP全库的2.91%,其中75%是两栖词汇,由亚技术性词汇和半技术性词汇组成,其搭配呈现出了突出的语域特征。医学学术英语两栖词汇教学中应优先处理核心两栖词表中的词汇,重视目标词在更大语境范围内的共现词,借助语料库索引行让学生在数据驱动下积极主动地探究两栖词汇。

摘要： 论文需标引3~8个关键词,关键词是为了便于进行文献标引工作而选用的可表达文章主题内容的词或短语。关键词尽量从中国医学科学院信息研究所编译的最新版《中文医学主题词表》(cMesH)中选取。未被词表收录的新的专业术语(自由词)可直接作为关键词使用,建议排在最后。关键词中第1个词必须来自cMesH,多个关键词之间以分号“;”隔开。

摘要： 论文需标引3~8个关键词,关键词是为了便于进行文献标引工作而选用的可表达文章主题内容的词或短语。关键词尽量从中国医学科学院信息研究所编译的最新版《中文医学主题词表》(cMesH)中选取。未被词表收录的新的专业术语(自由词)可直接作为关键词使用,建议排在最后。关键词中第1个词必须来自cMesH,多个关键词之间以分号";"隔开。

摘要： 就词汇而言,2021年和2022年广东等省参加的新高考依然是按旧课标3500词表命题。我们一起来分析2021年新高考全国Ⅰ卷的词汇情况,以期对2022年高考考生的复习有所启示。一、超纲注汉词对影响文章理解和正确解题的超标词,命题人通常会给这些超标词注明汉语,但每篇文章注明汉语的词一般不超过3个。2021年新高考全国Ⅰ卷注明汉语的词共有12个。

摘要： 为提高资源描述的规范化及标准化,提升资源之间的互操作能力,各类型词表不断被创建及使用,词表重用已成为资源描述中的关键问题.本文从资源描述的基本结构出发,基于数据模型和资源标注两个阶段对词表层、模式层及数据层进行详细分析;探讨词表层、概念层两种重用类型,认为当前用户更关注于词表层重用,概念层重用将随着词表生态环境的完善得到进一步发展;以数据模型中的类与属性为划分对象,以RDF三元组形式入手对词表重用实现方式进行深入研究,有助于明确各种方式之间的差异性及适用环境,能够有效地指导用户运用已有词表对数据集的类、属性及其取值范围进行准确描述,从而提升数据集的质量.

摘要： 长期以来,欧美主要文博机构艺术藏品数据库难以满足艺术爱好者与研究者对于中国艺术藏品主题信息的查询需求.同时,海内外的中国艺术藏品研究缺乏艺术作品主题的系统性著录以及一套整理图像主题的方法与工具.在此背景下,英国V&A博物馆的"中国图像志索引典"项目构建了一套中国图像志结构性词表,并依此建立了中国古代艺术专题图库.《美术观察》编辑部特邀该项目负责人张弘星研究员从建构规范和原则的确定、技术平台的运用、图像资料的选取以及其与学术研究的互动影响等方面分享了经验与思考,这一图像志模式或可为国内图像数据库在建立和运用过程中吸收和借鉴.

摘要： 词表通过为数据添加明确的语义,推动了结构化数据网络的形成与发展.从数据生态、开放数据生态系统到关联数据生态系统的演化,以词表、信息技术、资源、人等要素共同构成的词表生态系统随之产生,同时推动着词表功能的扩大,词表价值的提升,以及关联数据生态系统的高质量发展.本文综合分析国内外研究文献,结合生态系统的理论与方法,对词表生态系统的基本构成进行详细分析,从各构成要素的功能角度讨论其对词表所造成的影响,认为高质量词表应从语义、语法、可获得性、互操作层面入手进行建设.在此基础上,深入剖析词表责任人、词表与词表、词表与数据集之间所产生的各种关系,展示以词表为核心所形成的纵横交织网络的特征,以了解词表数据集网络呈现的关联性,总体把握词表生命周期链条中各责任人彼此关联、环环相扣的态势,共同推动词表质量及价值的提升.

摘要： 为了实现海量外文科技文献信息的知识组织,促进文献信息内容的知识关联和知识发现,国家科技图书文献中心(National Science and Technology Library,NSTL)组织实施了"面向外文科技文献信息的知识组织体系建设和示范应用"的国家科技支撑计划项目,提出构建以内容建设为核心、加工协作和开放服务平台为依托,以自动处理智能检索和知识服务应用为根本的知识组织体系建设和示范应用.本文介绍了项目建设目标和实现思路,重点总结和分析项目的建设成果及应用效果,最后提出NSTL将围绕下一代国家科技创新开放知识服务平台的建设开展相关研究.

摘要： 词表对于中文信息处理等领域具有重要的价值和意义.作者对从2002年10种主流报纸中提取的两个词表(流通度表和使用度表)前3000词语进行了比较,如果把使用度词表作为初表,对比后发现流通度对使用度词表进行了较大幅度的调整,使用度表前3000词语中34.37％的词语到了流通度表中跌出了3000,65.63％的词语保留在了流通度表前3000,同时有1031个词语新进入了流通度表前3000.本文对新进入的词语进行分析,发现2/3的词语具有显著领域特色;标识类名词数量众多,代词和形容词数目偏少.我们还进行了语感验证,结果显示流通度对使用度词表的调整是合理的,最后的结论是:以流通度为标准提取的词表由于加入了发行量和媒体等系数,在内容和顺序上更能反映报纸的动态变化,更加科学实用.

摘要： 本文给出我们为建立国家标准《信息处理用现代汉语分词词表》而制订的规范(草案),目的是广泛征求意见,引起讨论,以期改善之.

摘要： 把词表外语音与词表内语音区别开，一种语音识别方法包括：从用户接收输入语音；使用第一语法处理输入语音，以获得词汇的第一N最佳列表的参数值；将第一N最佳列表的顶部结果的一个参数值与预定阈值进行比较；以及如果所比较的参数值低于所述预定阈值，则使用第二语法来另外处理输入语音，以获得词汇的第二N最佳列表的参数值。其它优选步骤包括：如果第一N最佳列表的结果中任何一个还出现在第二N最佳列表之内，则确定输入语音在词表内，但是如果第一N最佳列表的结果中没有一个在第二N最佳列表之内，则确定输入语音在词表外；以及如果输入语音被确定为在词表外，则向用户提供可听反馈。

摘要： 本发明实施例公开了一种词表示模型训练、词表示方法、装置、电子设备及介质，其中，词表示模型训练方法包括：获取训练语句数据，并将所述训练语句数据输入至词表示模型的词嵌入网络，得到多维词向量；将所述多维词向量分别输入至所述词表示模型的正向语境识别网络和反向语境识别网络，得到正向语境识别信息和反向语境识别信息；将所述多维词向量、所述正向语境识别信息和所述反向语境识别信息分别输入至所述词表示模型的全连接网络进行拼接融合，得到所述训练语句数据的上下文语境词语表示信息。本发明实施例的技术方案能够提高词表示模型的语义表示能力和词的识别精度，进而提高语义表示的精度。

摘要： 词表示装置具备存储部和词表示生成部，存储部关于构成流谱的多个流线结构，存储各流线结构与其字符的对应关系，词表示生成部具备根决定机构、树表示构成机构和COT表示生成机构，根决定机构决定给定的流谱的根，树表示构成机构从给定的流谱的最内部至按顺序到达根为止地反复执行如下处理，由此构成给定的流谱的树表示，其中，所述处理是提取给定的流谱的流线结构、基于存储部中存储的对应关系而向该提取出的流线结构赋予字符并删除该提取出的流线结构这样的处理，COT表示生成机构将由树表示构成机构构成的树表示变换成COT表示来生成给定的流谱的词表示。而且，使学习完成AI计算使其周围产生所希望的流谱的结构物形状。

摘要： 一种语音识别方法包括：从用户接收输入语音；使用第一语法处理输入语音，以获得词汇的第一N最佳列表的参数值；将第一N最佳列表的顶部结果的一个参数值与预定阈值进行比较；以及如果所比较的参数值低于所述预定阈值，则使用第二语法来另外处理输入语音，以获得词汇的第二N最佳列表的参数值。其它优选步骤包括：如果第一N最佳列表的结果中任何一个还出现在第二N最佳列表之内，则确定输入语音在词表内，但是如果第一N最佳列表的结果中没有一个在第二N最佳列表之内，则确定输入语音在词表外；以及如果输入语音被确定为在词表外，则向用户提供可听反馈。

摘要： 本发明公开了一种融入词表知识的中文篇章级事件抽取方法及装置，所述方法包括：建立事件模板；采集文本并按事件模板对文本进行标注；读取标注好的文本，对文本进行预处理并根据标注的实体对预处理后的文本打标签；将打标签后的文本转化成对应的向量得到字符级特征；将打标签后的文本中每个字符构造对应的BMES集合，对每个集合中的单词进行加权相加得到词表特征；将词表特征与字符级特征进行拼接融合实现特征提取；抽取文本中事件对应的事件触发词实体和事件元素实体；事件抽取；通过随机梯度下降法训练网络；本发明的优点在于：融合词表信息，提高事件抽取精度。

摘要： 本发明提供一种基于词表示特征的命名实体识别方法及电子装置，包括：对待检测文本进行分词，获取各词语的基础特征；将各词语组成一词语序列，并对每一词语进行编码，提取编码结果的词嵌入特征；根据词语序列的设定权重与设定主题，生成一词向量序列，提取词向量序列的词表示特征；将基础特征、词嵌入特征及词表示特征输入一实体识别模型，获取待检测文本中的命名实体。本发明采用了word2vec训练的词嵌入及LSTM训练的词表示，捕获了语句的长期依赖性，充分的利用了长距离上下文信息对命名实体进行识别，相对于传统模型有较好的改进，提高了微博命名实体的识别的准确率。

摘要： 本发明公开了一种基于医学主题词表增强表征的文本多标签分类方法，包括对标签进行增强表征的步骤：S1、将文献中的医学主题词表作为标签，并建立标签的正样本集合；S2、从所述正样本集合中提取关于标签的关键词信息；S3、从所述关键词信息中提取语义特征，得到所述关键词信息的向量表示，记为第一向量；S4、将标签转化为向量，记为第二向量；S5、连接所述第一向量和所述第二向量以对标签进行增强表征。

摘要： 本发明公开一种未对齐行为信息动态调整单词表示的多模态情感识别方法。本发明利用跨模态注意力机制，挖掘与文本模态相关的行为信息(由视觉是听觉模态组成)，然后利用行为信息来动态的修改文本模态中的单词在语义空间中的位置，从而得到经过多模态信息调整后的单词表示。同时，跨模态注意力机制能够在长距离范围内关注到与文本模态相关的行为信息，因此能够很好的解决多模态学习中存在的固有问题—各个模态信息之间的频率不匹配。其次，在此基础上构建若干个多模态Transformer层，能够进一步挖掘经过多模态信息调整后的单词表示在上下文环境中的高级特征信息，是对当前情感识别领域的多模态融合框架的有效补充。

摘要： 本发明涉及人工智能技术领域，揭露一种基于中医对话的停用词表生成方法，包括：获取中医问诊的对话的文本数据；将对话的文本数据作为语料，利用预设的中医分词模型进行分词处理，获得待处理文本以及初筛停用词；将待处理文本，通过预训练获得的目标停用词筛选模型进行筛选，获得熵和互信息满足预设值的词向量；将筛选获得的词向量所对应的待处理文本作为目标停用词，将初筛停用词和目标停用词合并形成基于中医对话的停用词表。本发明达到了能够有效针对中医领域中的中医对话识别场景，自动完成停用词的智能生成，达到提高中医意图识别的准确率的技术效果。

摘要： 本发明公开了一种基于词表的中医古籍新词发现和本体构建系统，包括：基于词表的中医古籍新词发现和本体构建系统，基于中医古籍的专业术语词表、后控词表，结合当下计算机分词技术和算法，识别中医古籍文本中的知识术语并进行属性定义，发现中医古籍新词，定义词和术语的属性分类，从而来完善现有术语词表。基于古籍文本术语及其属性分类间关系，对中医古籍文本进行词频和共现分析，发现中医古籍术语关系及知识关联。基于词表和术语实现对中医古籍文本的数据清洗和标准化，自动建立基于中医古籍文本的知识本体，本发明为中医本体研究提供了数据基础，为中医数据挖掘分析提供了标准和规范的知识库。