oalib

Publish in OALib Journal

ISSN: 2333-9721

APC: Only $99

Submit

Any time

2019 ( 14 )

2018 ( 356 )

2017 ( 346 )

2016 ( 386 )

Custom range...

Search Results: 1 - 10 of 15754 matches for " 谭咏梅 "
All listed articles are free for downloading (OA Articles)
Page 1 /15754
Display every page Item
结合实体链接与实体聚类的命名实体消歧
咏梅,杨雪
北京邮电大学学报 , 2014, DOI: 10.13190/j.jbupt.2014.05.008
Abstract: 为了消除文本中命名实体的歧义,提出了一种结合实体链接与实体聚类的命名实体消歧算法,结合2种方法,可弥补单独使用其中一种方法的局限.该算法在背景文本中将待消歧实体指称扩充为全称,使用扩充后的全称在英文维基百科知识库中生成候选实体集合,同时提取多种特征对候选实体集合进行排序,对于知识库中没有对应实体的指称使用聚类消歧.实验结果表明,该算法在KBP2011评测数据上的F值为0.746,在KBP2012评测数据上的F值为0.670.
面向英语文章的词性标注算法
咏梅,吴坤
北京邮电大学学报 , 2014, DOI: 10.13190/j.jbupt.2014.06.025
Abstract: 面向英语文章的词性标注是对英语文章实现自动批改的基础,虽然研究者对英语词性标注做了大量有益的研究,但是大多数的研究都面向英语为第一语言的用户,而面向英语为第二语言用户的相关研究则很少.为此,对以英语为第二语言用户的英语文章进行了人工标注,在此基础上提出了一种面向英语文章的词性标注算法,融合了词聚类、无标语料统计信息、单词发音等特征.实验结果表明,该算法能有效提高词性标注性能,标注正确率从94.49%可提高到97.07%.
基于多特征的中文文本蕴含识别
咏梅,王志浩
- , 2015, DOI: 10.13190/j.jbupt.2015.06.020
Abstract: 摘要 提出了一种基于多特征的中文文本蕴含识别方法,首先对文本进行预处理、中文分词、词性标注、命名实体识别、依存分析等处理;然后提取字符串特征、句法特征、语义特征等,使用贝叶斯逻辑回归模型进行预测;最后再使用规则进行修正,得到最终的识别结果. 该方法在2014年RITE-VAL评测任务的CS数据上的MacroF1为0.625,超过目前最好的研究现状(MacroF1:0.615, BUPTTeam-CS-SVBC-05).
Recognizing textual entailment is an effective approach for computer to automatically identify semantic relation between texts with an important position in the field of natural language processing. A method using multi-feature was proposed. The new algorithm preprocess the raw text, Chinese characters segmentation, part-of-speech tagging, named entity recognition and dependency parser, string features, syntactic features and semantic features and uses Bayesian logistic regression model to predict the preliminary results, finally it uses the rules to filter the results. Experiments indicate that the algorithm's MacroF1 on RITE-VAL data is 0.625, outperform optimal value (MacroF1:0.615, BUPTTeam-CS-SVBC-05).
特定领域下关系模板的研究
张素香,,,咏梅
北京邮电大学学报 , 2006, DOI: 10.13190/jbupt.200605.79.167
Abstract: 以“公司人事变动”领域为例,针对实体关系抽取课题,从知识自动获取角度出发,基于Bootstrapping思想提出了层次知识获取模型,利用内外两层模块相互嵌套自动获取知识,获得了实体关系分析所需要的领域专用词典和模板规则。结合全信息理论,对模板添加语义和语用标注,生成全信息知识库。在此基础上,完成关系抽取实验和评测。
基于上下文信息和排序学习的实体链接方法
咏梅,王睿,李茂林
- , 2015, DOI: 10.13190/j.jbupt.2015.05.005
Abstract: 摘要 为解决英语命名实体链接问题,提出了一种基于上下文信息和排序学习的实体链接方法. 首先使用上下文信息对实体指称进行扩充,并在维基百科中检索候选实体列表;然后通过抽取实体指称与候选实体之间的各类特征,利用ListNet排序算法对候选实体列表进行排序,选出Top1的候选实体作为链接结果;最后对未找到候选的实体指称即NIL实体,通过实体聚类算法进行关联链接. 实验结果表明,该方法在KBP 2013实体链接数据集上的F值为0.660,比KBP 2013实体链接评测中所有参赛队伍的平均F值高0.092,比系统BUPTTeam2013的F值高0.162.
English entity linking tasks play an important role in construction of semantic network and big knowledge base. An entity linking method based on local information and learning to rank algorithm was proposed. Firstly, the context information is well used for expanding mentions' name and retrieving candidate entities from Wikipedia. Secondly, kinds of features are extracted between mentions and candidates and also the ListNet algorithm was used to rank the candidate entities to choose the most related entity as the linked objects. Finally, the NIL entities was clustered by clustering method. The method achieved 0.660 F value on KBP 2013 Entity Linking dataset, it performs 0.092 better than the median F value of all participated teams in KBP 2013 entity linking task and also performs 0.162 better than BUPTTeam 2013, which is the baseline comparison system in the experiment.
自学成材之路——访北京图书馆第二阅览室
咏梅
中国图书馆学报 , 1981,
Abstract:
使用SVMs进行汉语浅层分析
咏梅,王小捷,周延泉,钟义信
北京邮电大学学报 , 2008, DOI: 10.13190/jbupt.200801.5.tanym
Abstract: 提出了基于supportvectormachines(SVMs)的汉语浅层分析方法,并且为描述整个层次短语结构定义了10种汉语组块类型.与其他机器学习方法相比,该方法能自动选择对浅层分析有用特征,并能选择出有效的特征组合,较以前的研究可反映识别方向、特征模板、核函数、多分类方法及其组合对基于SVMs的汉语浅层分析性能的影响.在开放语料ChineseTreeBank上,Precision、Recall和FB1平均达到了95.36%、97.30%和96.32%.
基于实例的机器辅助写作翻译系统的介绍
咏梅,王枞,王小捷,钟义信
北京邮电大学学报 , 2006, DOI: 10.13190/jbupt.2006s2.202.tanym
Abstract: 提出了一种基于实例的机器辅助写作翻译方法,设计并实现了这个系统,用以辅助写作翻译过程,规范人与计算机的分工与协作。该系统可以对单词、词组,以及词的搭配给出更精确的翻译解释,实际应用的结果也表明,它能有效地帮助中/英文用户更流畅的书写和翻译英/中文,保证写作翻译的效率和质量。此系统具有文本搜索、对应片段搜索和翻译记忆管理工具,文本搜索工具允许用户查询已经翻译好的文本或参考文档;对应片段搜索工具帮助用户检索出一个单词或一种表达方式在源语言和目标语言中的对应翻译结果;翻译记忆管理工具保存了文本片段的在源语言和目标语言中的对应关系。
上土钉墙下护壁桩组合支护技术
咏梅,郁新建,福生,陈国会
工业建筑 , 2010, DOI: 10.13204/j.gyjz201009026
Abstract: 邯钢新区污水处理站和换热站工程中的地下水池为深基坑施工,基坑深分别为13.7,13.5m。上部为黏土层,下部为砂卵层,地下水位丰富。根据工程实际选择上土钉墙下护壁桩组合支护技术,该技术充分利用上部较浅部位的土钉墙支护作用和下部较深部位护壁桩支护作用,在工程中成功应用,安全可靠,经济实用。在深基坑支护中值得推广使用。
Support Vector Machines Plus Sigmoid Based Chinese Chunk Recognition
基于SVM+Sigmoid的汉语组块识别

咏梅,姚天顺,陈晴,李珩,朱靖波
计算机科学 , 2004,
Abstract: 本文提出用SVM Sigmoid来进行汉语组块识别的方法。SVMs具有不需要进行认真选取特征的优点,并且在具有高维特征空间的输入数据上也能够具有高的泛化性能,通过核函数的原则,SVMs能够在独立于训练数据维数的小计算范围内进行训练。Sigmoid函数使用一个参数模型来直接拟合后验概率,从而将SVMs的输出映射成一个后验概率.使一个分类器在做全局决策的一个局部决策时,考虑到全面分类,从而决策更具有合理性。实验结果表明该方法较单纯的SVMs方法具有好的效果。
Page 1 /15754
Display every page Item


Home
Copyright © 2008-2017 Open Access Library. All rights reserved.