-
题名中国英语学习者园径句理解策略
被引量：1
- 1
-
-
作者
刘畅
-
机构
哈尔滨师范大学公共英语教研部
-
出处
《边疆经济与文化》
2015年第9期114-115,共2页
-
文摘
花园路径句(园径句)使学习者在句子理解中造成局部歧义,故而学习者必须重新理解整个句子。本文中笔者主要探讨了如下两个问题:一是英语学习者的二语能力水平是否能够在时间和准确度上影响园径句的消歧程度?二是中国英语学习者的语法策略是什么?本实验采取有声思维法和访谈法。受试对象为20名高中毕业生。研究结果表明二语水平对园径句的消歧时间和准确率并没有相互的关联性。
-
关键词
园径句
二语水平
消歧策略
-
分类号
H313.3
[语言文字—英语]
-
-
题名“不是+NN”的否定范围和否定中心
- 2
-
-
作者
胡培安
-
机构
华侨大学华文学院
-
出处
《信阳师范学院学报（哲学社会科学版）》
2007年第2期74-78,共5页
-
文摘
“不是+NN”结构中的“NN”可以是偏正、复指、联合关系。当“NN”为复指和联合关系时,由于句法格式的限定,“不是”否定的是“NN”的整体。我们收集的语料表明,复指、联合关系的“NN”在“不是+NN”结构中的比例很小,绝大多数的“NN”是偏正关系。当“NN”是偏正关系时,“不是”的否定范围有时只能否定前项,有时只能否定后项,有时前、后项或整体都可能被否定。出现只能否定前项或后项的情况,和“NN”表示的概念范畴的外延有关。“不是+NN”结构,前后项及整体都有可能被否定的情况比例很大,静态地看,歧义指数很高,尽管如此,实际言语交际活动中出现歧义的情况并不多见,这和表达者有意或无意为之的语篇消歧策略有关。
-
关键词
不是+NN
否定范围
否定中心
范畴
消歧策略
-
Keywords
Bushi （不是） ＋ NN
negative scope
negative core
the category of notion
the strategy of reducing ambiguity
-
分类号
H146
[语言文字—汉语]
-
-
题名基于一致性假设的偏标记学习算法
- 3
-
-
作者
唐才智
张敏灵
-
机构
东南大学计算机科学与工程学院
东南大学计算机网络和信息集成教育部重点实验室
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2016年第12期1140-1146,共7页
-
基金
国家自然科学基金项目(No.61573104
61222309)
教育部新世纪优秀人才支持计划(No.NCET-13-0130)资助~~
-
文摘
解决偏标记问题的基本策略是消歧,现有的消歧策略大都分别对每个示例单独进行消歧,并未充分利用示例之间的相关性.基于此原因,文中提出一致性偏标记学习算法(COPAL).该算法基于一个基本假设:相似示例的标记也应该有相关性.基于该假设,COPAL在消歧过程中同时考虑样本自身及其近邻样本的标记信息.实验表明,在人工合成的UCI数据集和真实数据集上,COPAL均取得较好的泛化性能.
-
关键词
偏标记学习
一致性
弱监督学习
消歧策略
-
Keywords
Partial Label Learning, Consistency, Weakly Supervised Learning, Disambiguation Strategy
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名非消歧偏标记学习
被引量：3
- 4
-
-
作者
张敏灵
吴璇
-
机构
东南大学计算机科学与工程学院
计算机网络和信息集成教育部重点实验室(东南大学)
-
出处
《中国科学：信息科学》
CSCD
北大核心
2019年第9期1083-1096,共14页
-
基金
国家重点研发计划(批准号:2018YFB1004300)
国家自然科学基金(批准号:61573104)资助项目
-
文摘
偏标记学习是一类重要的弱监督机器学习框架.在该框架下,每个对象在输入空间由单个示例进行刻画,在输出空间与一组候选标记相对应,其中仅有一个标记为其真实标记.利用有歧义性的样本进行建模,直观的策略是对候选标记集合进行消歧,然而该策略会受到伪标记的影响,因此有必要考虑从非消歧的角度解决偏标记学习问题.本文将围绕基于消歧、非消歧策略的偏标记学习算法对该领域进行综述.首先,给出偏标记学习的定义以及其与其他相关学习框架的关系.然后对现有几种代表性基于消歧策略的偏标记学习算法进行介绍.接下来重点介绍我们提出的两种基于非消歧策略的偏标记学习算法.最后对本文进行总结并简要讨论进一步的研究方向.
-
关键词
机器学习
弱监督学习
偏标记学习
候选标记
非消歧策略
-
Keywords
machine learning
weakly-supervised learning
partial label learning
candidate label
disambiguation-free strategy
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名英汉机译中一种基于无监督学习的词类消歧策略
被引量：1
- 5
-
-
作者
张跃
谭咏梅
姚天顺
-
机构
东北大学信息科学与工程学院计算机系
-
出处
《小型微型计算机系统》
EI
CSCD
北大核心
2000年第8期878-881,共4页
-
基金
国家自然科学基金!(编号 :69675 0 19)
国家教委博士点专项基金资助
-
文摘
在本文 ,我们介绍英汉机译中使用无监督学习实现词类消歧的一种新方法 .该方法以独立于语料库的手工制作的约束规则为出发点 ,然后合并从训练语料库中以无监督方式所学习的约束规则 ,从而激发手工制作的约束规则 ,同时不以牺牲查全率为代价而提高查准率 .实验表明 ,在英语分析过程中 ,通过组合这些手工制作以及所学习的信息源 ,可获得大约 98%的查全率 ,89%的查准率 ,以及平均 1.10个歧义分析 /单词 .
-
关键词
无监督学习
词类消歧策略
机器翻译
英汉翻译
-
Keywords
Unsupervised learning
Constraint rule
Part of speech disambiguation
-
分类号
H085
[语言文字—语言学]
TP391.2
[自动化与计算机技术—计算机应用技术]
-
