【摘 要】
：
为了提升信息检索系统性能,语义学被引入了传统基于概率统计算法的检索模型之中,本文将沿着这一思路,以HNC自然语言理解体系为基础,阐述HNC理论下,引入语义知识,逐步构建检索系统的策略.并结合已经取得的部分研究成果对这一策略进行佐证.企望能为基于语义和理解的检索系统的发展作引玉之砖.
【机 构】
：
中国科学院研究生院,北京,100039;中国科学院声学研究所,北京,100080 中国科学院声学研
【出 处】
：
中国中文信息学会,沈阳航空工业学院
论文部分内容阅读
为了提升信息检索系统性能,语义学被引入了传统基于概率统计算法的检索模型之中,本文将沿着这一思路,以HNC自然语言理解体系为基础,阐述HNC理论下,引入语义知识,逐步构建检索系统的策略.并结合已经取得的部分研究成果对这一策略进行佐证.企望能为基于语义和理解的检索系统的发展作引玉之砖.
其他文献
传统的网页分类大都基于内容,这种方式采用字词特征项匹配的方法,没有考虑网页的结构信息.为了充分挖掘网页的结构特征,本文提出了网页按形式分类的机制.以往关于形式分类的研究大都基于普通文本,但是网页文本不同于普通文本,它具有URL和HTML标签等对网页结构有较大影响的特征.本文从URL和网页的HTML标签中提取特征,并借用了普通文本形式分类中使用的部分特征项作为网页形式分类的特征集合,最后使用SVM分
条件随机域模型通过计算标注序列在观测序列下的条件概率进行标注,解决了传统模型(如隐马尔科夫模型和最大熵马尔科夫模型等)中存在的标注偏差问题,得到了更好的标注效果.时间信息识别是文本序列标注的一个典型代表,本文旨在通过CRF在英文时间信息识别的应用,从理论上深入分析,以及进行对比实验比较条件随机域与其他标注模型的效果,结果验证了理论和实验的一致性,CRF更适合解决序列标注问题.
命名实体识别是中文信息处理的一个重要问题.本文根据篇章中利用互信息识别命名实体的方法,引入词性互信息和有距离的匹配策略,通过词表层信息和有距离匹配策略的融合方法识别出面向产品类的命名实体.同时融入一些知识和规则方法,取得了很好的效果.
"尹湛纳希辞典"是基于编纂的新型、学习型词典.本文探讨了编纂"尹湛纳希辞典"的收词、释义、用例等相关问题,提出了初步的处理方案.
为了明确用户的查询需求,很多搜索引擎和全文数据库提供了相关词提示功能.本文简要介绍了Web信息检索中相关词提示的获取技术,并对相关词提示效果进行实际调查分析.从关键词库中随机抽取若干关键词,在选定的搜索引擎和全文数据库上进行信息检索,获取抽样关键词的相关提示词.通过分析,给出相关词提示在改善检索效果和用户满意度方面的综合评价.
词序列核函数是Convolution核的一种,它处理的对象是离散的词序列.词序列核函数的计算过程不需要显式地构造特征向量,而且具有良好的复合特性,在自然语言处理领域有广泛的应用.传统的词序列核函数没有考虑到语义信息,本文对传统的词序列核函数加入了特征选择和语义扩展,得到一种新的核函数.本文使用该新函数进行实体关系自动抽取的实验,并与基于特征向量的方法和传统的词序列核函数作了比较.结果证明新函数的效
适应信息技术的发展,我们拟建立一个新的语义分类体系,为开发编纂建立语义分类体系基础.希望建成一个能够满足人机两用,严格区分上下位关系和同义反义关系的层级语义体系.
基于外国人汉语虚词学习的复杂性和迫切性,以及计算语言学和对外汉语教学对汉语虚词的研究提出的新问题和新要求,本文提出在对外汉语教学过程中初步建立一个外国人学习汉语虚词计算机辅助学习系统的构想.首先分析了建立汉语虚词辅助学习系统的紧迫性和必要性;其次,针对外国人学习汉语的特点,提出了系统设计的原则和组成模块的构成.
文本分类的一个关键点就是如何对高维的特征集进行降维.而特征降维的常用方法就是特征选择、特征抽取等.首先介绍了几种常见的特征选择和特征抽取方法,并对这些特征降维方法的优缺点进行了分析.最后结合K-近邻分类算法对四种特征选择方法(文档频牢、互信息、CHI统计法、相关系数法)进行了分类测试,同时通过测试分析,提出了一些改进的、可行的互信息评价函数,实验结果表明,采用这种方法,在同等训练语料的情况下,分类
查询扩展是指对用户提供的有关实体属性查询的描述进行语义上同义或近义方面的扩展.针对信息检索中文档与查询之间的词不匹配问题,本文提出一种基于HTML位置信息的查询扩展方法.由于HTML文件中存在位置信息(即Tag标签信息),所以,选择HTML文件进行查询扩展,相对于选择纯文本文件来说效果更好.本文中利用现有的各大搜索引擎的搜索结果组成训练语料,且利用词项与所有查询词在局部文档集合中的共现程度来评估扩