云南高校图书馆联盟文献共享服务平台- 国家自然科学基金(60373101)

国家自然科学基金(60373101): 作品数：10被引量：22H指数：2; 导出分析报告; 相关作者：赵铁军韩习武齐浩亮杨沐昀冯丽辉更多>>; 相关机构：哈尔滨工业大学昆明理工大学黑龙江大学更多>>; 相关期刊：《计算机工程与应用》《Chinese Journal of Electronics》《黑龙江工程学院学报》《中文信息学报》更多>>; 相关主题：汉语动词次范畴化SVM汉语句法自然语言处理更多>>; 相关领域：自动化与计算机技术语言文字更多>>

ORDINAL REGRESSION FOR INFORMATION RETRIEVAL被引量：2: 《Journal of Electronics(China)》2008年第1期120-124,共5页Qi Haoliang Li Sheng Gao Jianfeng Han Zhongyuan Xia Xinsong; Supported by the High Technology Research and Devel-opment Program of China (No.2006AA01Z150);the Key Project of the National Natural Science Foundation of China (No.60373101);the Natural Science Foundation of Heilongjiang Province (No.F2007-14);the Project of Heilongjiang Outstanding Young University Teacher (No. 1151G037).; This letter presents a new discriminative model for Information Retrieval (IR), referred to as Ordinal Regression Model (ORM). ORM is different from most existing models in that it views IR as ordinal regression probl...; 关键词：Information Retrieval （IR） Ordinal Regression PERCEPTRON Ranking Support Vector Machine （SVM）

基于词汇化模型的汉语句法分析被引量：2: 《电子与信息学报》2007年第9期2082-2085,共4页曹海龙赵铁军李生; 国家自然科学基金(60373101);国家863计划(2004AA117010-08)资助课题; 该文以处理大规模真实文本为目标,把句法分析分解为分词/词性标注、短语识别两个部分。首先提出了一个一体化的分词/词性标注方法,该方法在隐马尔科夫模型(HMM)的基础上引入词汇信息,既保留了HMM简单快速的特点,又有效提高了标注精度;...; 关键词：句法分析隐马尔科夫模型中心驱动模型结构模式识别

基于弱指导SVM的汉语动词次范畴化自动获取被引量：2: 《计算机工程与应用》2006年第28期9-11,27,共4页韩习武赵铁军; 国家自然科学基金项目资助(编号:60373101); 动词次范畴化自动获取过程主要涉及到两个典型步骤一、依据启发性规则生成次范畴化假设;二、应用统计方法对假设集合进行过滤,选择可靠的次范畴化类型。此前改进获取性能的研究都集中在统计过滤阶段,并且相关实验的假设生成阶段都没有...; 关键词：汉语动词次范畴化弱指导 SVM

Chinese Information Processing and Its Prospects被引量：1: 《Journal of Computer Science & Technology》2006年第5期838-846,共9页李生赵铁军; Supported by the National Natural Science Foundation of China （Grant Nos. 60375019, 60373101 and 60575041）. Acknowledgement Composition of this paper has benefited a lot from the work of postgraduates and teachers in the M0E-MS Key Laboratory of Natural Language Processing and Speech.; The paper presents some main progresses and achievements in Chinese information processing. It focuses on six aspects, i.e., Chinese syntactic analysis, Chinese semantic analysis, machine translation, information retr...; 关键词：Chinese information processing natural language processing computational linguistics

非精确概念的机器学习与应用被引量：1: 《哈尔滨工业大学学报》2006年第10期1736-1739,共4页韩习武赵铁军; 国家自然科学基金资助项目(60373101); 提出并描述非精确概念的机器学习问题,定义非精确概念学习的一般任务模式,给出符合人类学习习惯的解决方案.结合具体例子说明非精确概念的学习与应用的过程,总结非精确概念学习同时具有归纳学习和统计学习的、优势及很强的鲁棒性,其缺...; 关键词：非精确概念机器学习任务模式

A Multi-Agent Strategy Chinese Text for Both English and Chunking被引量：1: 《Chinese Journal of Electronics》2006年第3期422-426,共5页LIANG Yinghong ZHAO Tiejun YAO Jianmin YU Hao; This work is supported by the National Natural Science Foundation of China （No.60375019, 60373101）; the International Cooperate Project of Sino-Ireland （No.CI-2003-03）.; The traditional English text chunking approach identifies phrases by using only one model and phrases with the same types of features. It has been shown that the limitations of using only one model are that： the use ...; 关键词：Text chunking Sensitive features Multiagent strategy Communication.

基于子类的汉语动词SCF获取回退被引量：1: 《计算机工程与应用》2005年第30期158-161,共4页韩习武赵铁军; 国家自然科学基金项目:1.汉语动词次范畴化自动获取技术的研究(编号:60373101);2.基于双语信息的英汉译文消歧技术研究(编号:60375019);国家863高技术研究发展计划(编号:2002AA117010-09); 研究证明基于动词子类的回退方法能够改进次范畴化(SCF)自动获取的性能,不同的子类划分方法起到重要的作用。本文利用《同义词词林》、《知网1.2版》和《现代汉语动词大词典》分别对30个测试动词进行分类,并以分类结果来改进汉语动词SC...; 关键词：汉语动词子类 SCF 回退

从真实语料中自动获取汉语动词次范畴化信息被引量：1: 《计算机工程与应用》2005年第19期1-4,181,共5页韩习武赵铁军; 国家自然科学基金项目"汉语动词次范畴化自动获取技术的研究"(编号:60373101); 描述了一种自动获取汉语动词次范畴化信息的可行技术和一个从大规模真实文本中构建动词次范畴化词汇知识库的系统性实验。实验基于语言学启发信息生成次范畴化框架假设,然后应用统计方法进行假设检验。对20个句模多元化动词获取结果的...; 关键词：汉语动词谓词次范畴化次范畴化框架

基于决策树的汉语基本名词短语识别被引量：3: 《黑龙江工程学院学报》2004年第2期1-4,共4页孟迎冯丽辉赵铁军; 国家自然科学基金资助项目(60373101);863计划支持项目(2002AA117010-09); 提出了一种基于汉语树库,采用决策树的方法识别汉语基本名词短语。其核心思想为:从语料库中自动抽取基本名词短语的词性模板以及其相应的上下文信息,采用ID3算法形成相应的决策树。该方法有效地引入了学习机制,提高了系统的性能和识别速...; 关键词：汉语基本名词短语决策树语料库

面向特定领域的汉语句法主干分析被引量：8: 《中文信息学报》2004年第1期1-5,13,共6页齐浩亮杨沐昀孟遥韩习武赵铁军; 国家自然科学基金资助项目 (6 0 37310 1);86 3计划支持项目(2 0 0 2AA1170 10 - 0 9); 本文提出了一种面向特定领域的汉语句法主干分析方法。该方法中包括浅层句法分析、模板匹配两个关键环节 ,形成用模板表示的句法主干。在浅层句法分析中 ,本文使用了级联的隐马尔可夫模型进行了短语的归并 ;而后以已有的汉语句子模板为...; 关键词：人工智能自然语言处理浅层句法分析句法主干分析模板

国家自然科学基金(60373101)