语料分析

摘要： 外交委婉语是外交场合中的一种独特的语言现象和修辞方式,也是中国外交语言的一贯风格和鲜明特点。主要围绕中美高层战略对话中方发言内容,结合实例归纳总结了外交委婉语在词汇、句法、修辞三个层面的具体表现形式;根据现场口译员的翻译文本,通过分析语料,分析了直译、意译和词义增减三种外交委婉语的口译策略;简要讨论了译员在汉英口译过程中的委婉性表达,为外交场合中委婉语的使用和翻译提供参考。

摘要： 随着数字化转型时代的到来,语料库已日益成为支撑各领域文本挖掘的重要基础资源。它既能为不同领域提供丰富的语言素材,也能为该领域的研究和应用作出一定的贡献。标准是重要的基础性战略资源,在核心产业的高质量发展中发挥支撑性和引领性的作用,因此构建面向核心产业的国家标准语料库具有重大的战略意义。在众多产业中,集成电路是信息时代的“心脏”。本研究构建了面向集成电路国家标准的单模态多粒度语料库(ICNSC),并对其开展初步分析,为集成电路产业的科技智库建设提供了一定的基础资源。

摘要： 目的:探讨主概念分析法(MCA)在命名性失语语料分析中的有效性,并分析语料类型对该方法有效性的影响.方法:采集27例健康人和11例命名性失语患者在单图描述和组图叙事中的多媒体语料,根据健康人语料建立两种语料任务的主概念清单,对病例组和对照组进行主概念评分,比较两组的各主概念指标差异,分析语料类型对言语产出的影响,并探讨主概念分析法的评分者间信度和评分者内部信度.结果:在两种语料任务的主概念分析中,病例组的AC(准确且完整)、MC总分(主概念总分)均显著低于对照组(P.＜0.05),AI(准确且不完整)、AB(缺失)均显著高于对照组(P＜0.05).在单图描述的主概念分析中,病例组的IN(错误)显著高于对照组(P＜0.05).两种语料类型中,患者的MC总分均与失语商呈显著正相关.病例组和对照组在单图描述中的标准化AC、标准化MC总分均明显低于组图叙事(P＜0.05).主概念分析法在语料评估中有良好的评估者间信度和评估者内部信度.结论:主概念分析法可有效评价命名性失语的言语障碍,可为临床失语症的语料评估和分析提供新途径.

摘要： 卞之琳是中国20世纪著名诗人,其诗歌在西方一直占据重要地位,打破长期以来东方对西方诗歌创作的模仿.卞之琳诗作的出现,给彼时诗界带来一股清新空气,令美国学界不得不放下成见,重新审视东方诗坛.

摘要： 卞之琳是重要的中国现代诗人,同时在西方又有举足轻重的影响.以汉乐逸为首的荷兰学界对卞之琳有深入透彻的研究,出自卞之琳的诗歌充满东方魅力,但语言又位于西化诗歌的最前沿,这种混搭效果让读者深感与众不同.

摘要： 为提高中职语文教学质量,提出基于语料分析的中职语文教学模式创新研究。通过结合语料资源,搭配中职语文课堂教学内容,使学生具备对填充类词汇的进一步掌握能力,基于语料库执行语文关键词频统计教学,以语料库中前1000的高频词汇作为中职语文教学的重点内容,实现基于语料分析的中职语文教学模式创新。

摘要： 基于作者从事中国文化外译书稿的编辑实践,本文通过比较和分析大量真实语料,从表述的政治性和知识性、翻译的科学性和地道化、语言文字的规范性和一致性等方面,归纳总结出中国文化外译的常见问题,并提出相应的解决方案,希望能为译者和编辑同人提供些许参考,以便更好地服务海内外读者,为中国文化走出去作出贡献.

摘要： 为提高中职语文教学质量,提出基于语料分析的中职语文教学模式创新研究.通过结合语料资源,搭配中职语文课堂教学内容,使学生具备对填充类词汇的进一步掌握能力,基于语料库执行语文关键词频统计教学,以语料库中前1000的高频词汇作为中职语文教学的重点内容,实现基于语料分析的中职语文教学模式创新.

摘要： 新词新语是时代变化发展的产物,而构词法是关于如何构成新词新语的原理,掌握新词新语构词法是有效学习新词新语的基础,进而能帮助人们更好地使用新词新语.本文以2013-2018年出现的新词新语为例,采用经验总结法、数量研究法等研究方法对新词新语构词法作细致分析.

摘要： 摘要的书写技巧在学术论文得到同行认可的过程中具有很重要的作用.内容和结构组织得当的摘要可以引导读者阅读整篇文章.通过对工程地质科研工作者进行问卷调查,选取行业认可度最高的5种以英语为主要语言的国际工程地质类代表性期刊.抽取各刊中2018年最新的、具有代表性的原创科技论文的英文摘要共计100篇建立语料库.采用基于引言(Introduction)、方法 (Method)、结果 (Result)、结论 (Con-clusion)的IMRC分析模型对摘要的宏观体裁、结构特征、语言特征进行分析.结果表明:摘要基本上都包含I-M-R-C 4个部分,且遵循I-M-R-C的逻辑顺序;引言部分的主流范式为M1S2概括主题/M3S1B阐述当前研究,采用一般现在时和主动语态;方法部分的平均篇幅比较大,且有接近一半的方法和结果或者引言相互融合,时态和语态的主流模式为一般过去时+被动语态;结果部分的表达通常具有固定的句式,主要体现为对研究结果的客观陈述;结论部分主要是对结果或发现的评价,语言特征以一般现在时+主动语态为主.

摘要： 本文调查中英文对照的中药说明书结构词翻译现状,从互文性角度探索中英文对照的中药说明书结构词的翻译原则.通过基于语料分析的量化研究,考察43份中英文对照的中药说明书,结果显示,中药说明书结构词的英译缺乏规范统一性,许多说明书的结构词英译不准确.认为,译者应该考虑中英文对照的中药说明书的交际目的,遵循"读者中心论"的翻译原则,充分利用互文参照,提高结构词英译的规范统一性和准确性,让读者更容易地准确获取信息,实现中英文对照的中药说明书的话篇意图性.本研究试图为建构规范的中英文对照的中药说明书提供建议,帮助相关药企更好地参与国际竞争,进一步推动中医药的国际化进程.

摘要： 本文分析了名词照应语"这/那+NP"在25万字语料中的照应情况,分析结果说明通过判断"这/那+NP"和候选名词短语的中心词是否相同或是否具有某种语义关系,就能确定约70﹪的"这/那+NP"的先行语,根据这一结果本文提出了一个计算机自动消解此类照应语的启发式算法,为名词照应语的消解提供了一些思路.

摘要： 本文通过对大规模真实语料的统计和分析,比较了不同领域词汇量、词类比例等特征的差异.在此基础上,对TF*IDF文本分类器中采用的TF*IDF权重算法以及由此衍生的TF*IWF*IWF权重算法从TF、IWF两个角度进行了改进,提出了一种基于大规模语料库的文本分类方法,并将它与TF*IWF*IWF权重算法进行了对比,从实验结果看这种方法将F1测度值提高了12.28％,充分验证了其有效性.

摘要： 本文提出了一种针对对话语料的自动标签推荐方法——KeyEx.该方法首先基于加权TFIDF进行关键词抽取,加权因子融入对话者权重、句子重要程度和句子长度等因素;然后,通过频繁模式匹配进行关键词的二元扩展获取信息含量大的二元关键词;最后在同一尺度下对候选关键词进行排序得到top-n推荐标签.在10,265段中文对话上的实验结果表明,KeyEx优于已有的KNN和TextRank模型。

摘要： 本文提出了一种针对对话语料的自动标签推荐方法——KeyEx.该方法首先基于加权TFIDF进行关键词抽取,加权因子融入对话者权重、句子重要程度和句子长度等因素;然后,通过频繁模式匹配进行关键词的二元扩展获取信息含量大的二元关键词;最后在同一尺度下对候选关键词进行排序得到top-n推荐标签.在10,265段中文对话上的实验结果表明,KeyEx优于已有的KNN和TextRank模型。

摘要： 本文提出了一种针对对话语料的自动标签推荐方法——KeyEx.该方法首先基于加权TFIDF进行关键词抽取,加权因子融入对话者权重、句子重要程度和句子长度等因素;然后,通过频繁模式匹配进行关键词的二元扩展获取信息含量大的二元关键词;最后在同一尺度下对候选关键词进行排序得到top-n推荐标签.在10,265段中文对话上的实验结果表明,KeyEx优于已有的KNN和TextRank模型。

摘要： 本文提出了一种针对对话语料的自动标签推荐方法——KeyEx.该方法首先基于加权TFIDF进行关键词抽取,加权因子融入对话者权重、句子重要程度和句子长度等因素;然后,通过频繁模式匹配进行关键词的二元扩展获取信息含量大的二元关键词;最后在同一尺度下对候选关键词进行排序得到top-n推荐标签.在10,265段中文对话上的实验结果表明,KeyEx优于已有的KNN和TextRank模型。

摘要： 本文提出了一种针对对话语料的自动标签推荐方法——KeyEx.该方法首先基于加权TFIDF进行关键词抽取,加权因子融入对话者权重、句子重要程度和句子长度等因素;然后,通过频繁模式匹配进行关键词的二元扩展获取信息含量大的二元关键词;最后在同一尺度下对候选关键词进行排序得到top-n推荐标签.在10,265段中文对话上的实验结果表明,KeyEx优于已有的KNN和TextRank模型。

摘要： 时间表达式识别是时序语义标注的关键技术之一，其结果的好坏直接影响时间信息后续利用的效果。国外相关领域研究成果不能直接应用于中文，国内此领域的研究大多针对新闻语料，无法满足医学领域的时间表示识别要求，因此专门针对医学病历语料的时间表达识别研究是进行中文病历文本中时间信息利用的必经阶段。本文对涵盖30多个科室的147份实际病历中的时间表达进行统计并分类，进而分析中文病历中时间信息表达的特点。根据分析结果，本文提供了针对中文病历中时间信息的识别方法，实验表明本文采用的正则匹配方法以及相邻原则匹配复合时间的方法能基本覆盖时间表达信息，以上工作对后续中文病历中时间信息的利用工作具有重要意义和参考价值。

摘要： 本发明公开基于自学排列的排列语料库的生成装置及其方法、使用排列语料库的破坏性表达语素分析装置及其语素分析方法。语素分析装置包括知识数据库和分析器。知识数据库储存有在按语言的语素分析中使用的多个知识信息，包括：语素词典，储存与正常表达对应的语素信息；排列语料库，储存与破坏性表达对应的正常表达信息，其中破坏性表达是拼写错误或者没有规范化和标准化的表达。分析器对所输入的语节使用所述知识数据库进行语素分析并输出分析结果，当在所述语素词典中不存在输入语节的语素时，对在所述输入语节中包含的破坏性表达使用所述排列语料库查找与所述破坏性表达对应的正常表达并进行语素分析。

摘要： 本发明涉及自然语言处理技术，提供了一种语料预处理的方法，所述方法包含步骤：分别对各语料进行向量化处理，获得所述语料的文本向量；基于所述语料的文本向量进行聚类，从所述语料中确定出专用语料；对所述专用语料进行命名实体识别，确定出所述专用语料中包含的命名实体；基于目标命名实体对所述专用语料进行分类；分别从各所述分类的所述专用语料中抽取第一预设数量的所述专用语料，作为所述预处理结果。基于本实施例所提供的方法，可通过对原始语料数据进行预处理，以剔除大量重复的目标语料，供后续人工标注或其他处理，从而可大幅度的减少重复的人工处理工作。

摘要： 本发明公开基于自学排列的排列语料库的生成装置及其方法、使用排列语料库的破坏性表达语素分析装置及其语素分析方法。语素分析装置包括知识数据库和分析器。知识数据库储存有在按语言的语素分析中使用的多个知识信息，包括：语素词典，储存与正常表达对应的语素信息；排列语料库，储存与破坏性表达对应的正常表达信息，其中破坏性表达是拼写错误或者没有规范化和标准化的表达。分析器对所输入的语节使用所述知识数据库进行语素分析并输出分析结果，当在所述语素词典中不存在输入语节的语素时，对在所述输入语节中包含的破坏性表达使用所述排列语料库查找与所述破坏性表达对应的正常表达并进行语素分析。

摘要： 本申请实施例提供的一种基于特定语料库的提取语料的方法及语料提取器，属于语言技术领域。该方法包括采集用户输入的对话指令，所述对话指令包括文本指令或语音指令；验证所述对话指令是否满足第一预设规则；若是，编码所述对话指令，生成二进制字符串；从所述特定语料库提取出与所述二进制字符串匹配的至少两个目标语料，其中，所述特定语料库为预先建立的；基于所述至少两个目标语料生成回答信息，所述回答信息以语音、文本和/或表情在所述机器人上进行显示。

摘要： 本申请提供一种语料生成模型的训练方法、语料生成方法、电子设备、存储介质，训练方法包括：根据初始语料集对生成器进行预训练，以调整BERT模型和生成器的网络参数；以经过预训练的生成器，生成与指定类别信息对应的中间语料数据，并基于若干中间语料数据构建中间语料集；根据初始语料集和中间语料集，对判别器进行预训练，以调整BERT模型和生成器的网络参数；根据初始语料集对分类器进行预训练，以调整BERT模型和分类器的网络参数；根据初始语料集对生成器进行预训练，以调整BERT模型和生成器的网络参数，在预训练结束后，得到已训练的语料生成模型。本申请方案，可训练出能够准确生成高品质语料数据的语料生成模型。

摘要： 本发明涉及数据处理及自然语言领域，具体提供了一种简化添加语料及标注语料的方法，具有如下步骤：S1、对Rasa_NLU语料内容及标注格式进行分析整合；S2、根据分析整合的结果进行图形界面设计，经过构建生成图形用户界面；S3、图形用户界面内进行格式搭建，复选择框进行选择；S4、在图形用户界面后端增加数据增强操作；S5、将数据增强功能在图形用户界面中设置成按钮；S6、将所述的图形用户界面打包生成执行文件。与现有技术相比，本发明添加语料数据量以及减少标注工程程序，更适用更新Rasa_NLU语料数据，操作步骤更加简化。

摘要： 本发明公开了一种语料数据库、语料数据库的维护方法、装置、设备和介质，包括：对写入到语料数据库的基础数据集从不同维度进行细粒度分析，确定基础数据集的应用类型，维度为预先设置好的，应用类型包括通用性型和特定任务型；基于应用类型，对基础数据集进行聚合操作，得到基础数据集对应的训练任务；根据训练任务，采用预训练语言模型对基础数据集进行分析训练，得到目标数据集；在接收到数据交互指令时，采用各个目标数据集进行数据交互，实现通过对写入的基础数据集进行分析聚合和交互，使得写入数据集对于各种任务具有较强适应性，提高数据集的质量。

摘要： 本发明提出了一种基于规则模板的语料分析方法及装置，基于规则模板的语料分析方法包括：获取语料；根据模型映射，记录语料的语料归属模型，并将语料存储至子语料库；在语料归属模型中建立知识元；根据属性映射，确定知识元的属性；根据知识元的属性，获取目标知识元；建立知识元与目标知识元的关联关系，采用本发明的方法能够大大减少语料分析过程的人力，将分析过程中的分类、建立知识元、属性填充和关系建立全部变为程序自动完成，提高了对语料分析的效率，节约了时间，保证了准确性。

摘要： 本发明提出了一种基于规则模板的语料分析方法及装置，基于规则模板的语料分析方法包括：获取语料；根据模型映射，记录语料的语料归属模型，并将语料存储至子语料库；在语料归属模型中建立知识元；根据属性映射，确定知识元的属性；根据知识元的属性，获取目标知识元；建立知识元与目标知识元的关联关系，采用本发明的方法能够大大减少语料分析过程的人力，将分析过程中的分类、建立知识元、属性填充和关系建立全部变为程序自动完成，提高了对语料分析的效率，节约了时间，保证了准确性。

摘要： 本发明公开了一种语料处理方法和装置及语料分析方法和装置。该方法包括：获取所有或部分语料，作为语料集合；确定语料集合中每一条语料对应的意图；对语料集合中的每一条语料进行分词，确定每条语料中的词语；确定语料集合中每个词语出现的次数；确定每个词语在每个意图上出现的次数；根据语料集合中每个词语出现的次数和每个词语在每个意图上出现的次数，确定每个词语在每个意图上的权重。