公开(公告)号：CN105389303A

公开(公告)日：2016-03-09

申请号：CN201510701364.7

申请日：2015-10-27

Applicant: 北京信息科技大学 ,  清华大学

Inventor： 吕学强 ,  周强 ,  董志安 ,  仵永栩

IPC: G06F17/27 ,  G06F17/30

CPC classification number: G06F17/2795 ,  G06F17/277 ,  G06F17/30705

Abstract: 本发明涉及一种异源语料自动融合方法，包括以下步骤：步骤1)构建UNP映射词表；步骤2)对源体系的标注进行归一化处理；步骤3)确定产生歧义的词的词性，对语料体系中词的词义进行评判，进而确定词的词性标记；步骤4)对目标词汇集合中的单类词进行训练，然后用所述特征模板对多类词进行预测，输出预测结果的概率值；步骤5)对概率值的分布曲线进行曲线拟合；步骤6)对预测结果进行置信度评价；步骤7)对预测结果进行正确性验证；步骤8)将标注后的词及词性信息还原到原始语料中，将语料库融合为一个更大规模的语料库。本发明扩展了语料库的规模，统一了标注标准，提高了后续基于语料库语言学的研究分析的准确性，获得了较好的效果。

公开(公告)号：CN105528340B

公开(公告)日：2018-12-21

申请号：CN201510863564.2

申请日：2015-12-02

Applicant: 北京信息科技大学 ,  清华大学

Inventor： 吕学强 ,  周强 ,  董志安 ,  仵永栩

IPC: G06F17/27

Abstract: 本发明涉及一种多动词汉语概念复合块的动词层次分类的方法，包括以下步骤：步骤1)对汉语句子进行词语切分和词性标记；步骤2)将所述句子分割为小句；步骤3)将所述小句中的多个动词进行层次划分；步骤4)将动词分为两类；步骤5)利用改进的CCC分析器对动词进行分析；步骤6)针对多动词的小句进行分析直到队列元素为空。本发明可以减少因动词的层次分析错误而导致的句子整体层次错误，从而提高组块分析的准确性，为后续进行复杂句的句法语义分析打下了很好的基础，可以很好地满足实际应用的需要。

公开(公告)号：CN105528340A

公开(公告)日：2016-04-27

申请号：CN201510863564.2

申请日：2015-12-02

Applicant: 北京信息科技大学 ,  清华大学

Inventor： 吕学强 ,  周强 ,  董志安 ,  仵永栩

IPC: G06F17/27

CPC classification number: G06F17/277 ,  G06F17/271 ,  G06F17/274

Abstract: 本发明涉及一种多动词汉语概念复合块的动词层次分类的方法，包括以下步骤：步骤1)对汉语句子进行词语切分和词性标记；步骤2)将所述句子分割为小句；步骤3)将所述小句中的多个动词进行层次划分；步骤4)将动词分为两类；步骤5)利用改进的CCC分析器对动词进行分析；步骤6)针对多动词的小句进行分析直到队列元素为空。本发明可以减少因动词的层次分析错误而导致的句子整体层次错误，从而提高组块分析的准确性，为后续进行复杂句的句法语义分析打下了很好的基础，可以很好地满足实际应用的需要。

公开(公告)号：CN105389303B

公开(公告)日：2018-11-27

申请号：CN201510701364.7

申请日：2015-10-27

Applicant: 北京信息科技大学 ,  清华大学

Inventor： 吕学强 ,  周强 ,  董志安 ,  仵永栩

IPC: G06F17/27 ,  G06F17/30

Abstract: 本发明涉及一种异源语料自动融合方法，包括以下步骤：步骤1)构建UNP映射词表；步骤2)对源体系的标注进行归一化处理；步骤3)确定产生歧义的词的词性，对语料体系中词的词义进行评判，进而确定词的词性标记；步骤4)对目标词汇集合中的单类词进行训练，然后用所述特征模板对多类词进行预测，输出预测结果的概率值；步骤5)对概率值的分布曲线进行曲线拟合；步骤6)对预测结果进行置信度评价；步骤7)对预测结果进行正确性验证；步骤8)将标注后的词及词性信息还原到原始语料中，将语料库融合为一个更大规模的语料库。本发明扩展了语料库的规模，统一了标注标准，提高了后续基于语料库语言学的研究分析的准确性，获得了较好的效果。