基于词联接的自然语言处理技术及其应用研究

《基于词联接的自然语言处理技术及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学博士学位论文基于词联接的自然语言处理技术及其应用研究姓名：李良炎申请学位级别：博士专业：计算机应用技术指导教师：吴中福20041209重庆大学博士学位论文特色的地方。易学是中国古代哲学的精华．具有朴素的唯物辩证思想和系统观，对于认识和认识建模都具有很强的指导作用。TCT的理论基础是神经认知语言学，该理论强调语言理论不悖于大脑神经事实，综合了联接主义和符号主义等理论的长处，是一种面向NLP的语言学理论。TCT的方法基础是基于实例的知识加工，以实例为基础，可以更好地综合各种知识加工技术。第3、4、5、6章分别介绍了TCT技术结构中的TCTR、TCTO、TCTA、TCTE，从微观上初步构

2、建了TCT。由于研究资源有限，本文在斟酌各个技术模块关系的前提下，着重研究这四大模块。在每个技术模块的研究中都注意继承与创新相结合，注意各个技术模块在功能上的独立性与系统性。与传统的NLP技术相比较，各个技术模块都具有各自的特色和创新点：在TCTR中提出了自然语言知识结构和要素、抽象概念树(AbstractConceptTree，简称ACT)、体验语义和价值语义等：在TCTO中提出了语言知识设计、语料标注规范、语言知识获取与管理等；在TCTA中提出了词联接最大语义符合度计算和最优句树搜索的初级语言分析算法；在TCTM中提出了豪放与婉约语言风格的计算模型。第7章介绍了基于TCT的PPS开发和

3、测试。由于构建TCT之初就认识到了自然语言认识性中的体验性这一难点，而体验性是自然语言尤其是文学语言的重要特征，因此TCT应当能够比传统的NLP技术更好地处理文学语言。诗词语言是一种典型的文学语言，开发PPS对传统的NLP技术和TCT都是一种挑战。本文基于当前水平的TcT开发了PPS，完成了语言知识类设计、语言知识库设计、模块设计、界面设计，并在大量数据准备工作的基础上进行了诗词语料标注测试、诗词语言初级分析测试、诗词语言豪放与婉约风格的评价测试。测试结果表明，PPS取得了成功，验证了T(、T的有效性。在论文的最后总结了研究成果，并指出了今后的主要研究方向。关键词：自然语言处理，实例技术，

4、词联接技术，诗词语言，语言风格评价II英文摘要ABSTRACTWitllthedevelopmentofSOcialinfon'nationizationandcomputerhard／softwarelevel，NaturalLanguageProcessing(NLPforshort)techniqueshavegraduallyattractedmoreattentionsforcomputerapplicationsandartificialintelligenceaspopulartopics，takinghumanEmulationtechnique谢tllfullcapabi

5、litiesoflistening，speaking，readingandwritingforexample．Anewspecialtyfield，ComputationalLinguistics，cameintoexistanceconcerningNLPtechniques，whichisinitselfacrosssubjectstudywidelysupportedbyLinguistics，Psychology,Psycholingulsties，BrainScience，ComputerScience,Phylosophy，Lo西CS，ArtificialIntelligenc

6、e，Mathematics，Information,Literature，Artseet．EversincetheMid1900s，afewachievementshavebeenmadeinaspectsofeffectivetechniques，yetwestillhavealongwaytogo．Atthebeginningofthisnewcentury,it’Sofhi曲nessesitytoreevaluatethecorrespondingNLPresearchbackground，purposeandapproaches．Furthermore，creativityisap

7、preciatedOnourcurrenttechniquestowardsmoreapplicableandfuture-orientednewtech．Itisrightintheseareasthatthepresentpapermakesitsowneffort，hopingthatitwillstimulatedeeperinsightsandcontributetoNLPtechnique’Sfurtherd