甘肃省自然科学基金(1107RJZA157)
- 作品数：6 被引量：16H指数：2
- 相关作者：曹晖董晓芳于洪志孟祥和加羊吉更多>>
- 相关机构：西北民族大学河海大学更多>>
- 发文基金：甘肃省自然科学基金国家科技支撑计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 藏文Web网络环境下的搜索策略研究
- 2015年
- 该文分析了藏文Web网络的度分布和最大度优先搜索算法存在的问题,提出了搜索效率更高的二分度搜索算法和双遍历器的二分度与最大度同步搜索算法。根据社区划分原理,设计和构建了藏文Web社区环境下的搜索算法,实验结果表明,其平均搜索步数和平均查询信息量都优于实验中其他搜索算法。
- 陈新一夏建华杜玉祥万福成于洪志
- 关键词：度分布
- 基于藏文新闻文本话题检测的聚类算法研究被引量：2
- 2014年
- 话题检测的提出是为了帮助人们从海量的新闻报道中发现未知的新话题,其中文本聚类算法的研究,是实现藏文新闻文本的话题检测技术的核心.本文提出一种聚类算法,是基于简易聚类算法的改进,首先改进了文本顺序对聚类结果产生的影响,其次通过确定种子话题,来确定话题的类别.本研究的聚类算法在较小规模的语料中比改进前源算法有一定程度的提高.本文的研究对象是藏文网站中的新闻文本.
- 曹晖孟祥和
- 关键词：聚类算法
- 基于短语的藏汉统计机器翻译系统被引量：6
- 2012年
- 本文针对藏文词法及句法的特点,借助开源统计机器翻译平台,搭建起基于短语的藏汉统计机器翻译系统,重点描述了系统中的藏文编码转换和藏文自动分词的实现方法。最后采用500句新闻领域藏文语料对翻译系统进行测试,取得了Bleu值为0.3425的较好结果。
- 董晓芳曹晖江涛
- 关键词：统计机器翻译自动分词
- 统计与规则相结合的藏文句子自动断句方法被引量：7
- 2012年
- 藏文句子断句是藏文信息处理领域的难点之一,也是藏汉机器翻译、藏文文本分类等工作的一项重要基础性研究.提出了一种统计与规则相结合的藏文句子自动断句方法以解决藏文标点符号功能的歧义问题,实验结果表明该方法具有比较好的效果,F1值达到98%以上.在规则中首先使用经验的方法,识别出不确定的藏文句子作为候选句子,然后采用基于关联词的复句分析方法进行分句合并形成二次候选句子;最后使用最大熵的方法对二次候选句子进行断句.经验方法和复句分析有效解决了最大熵算法无法触及的语料稀疏和分句问题.
- 徐涛加羊吉于洪志
- 关键词：最大熵
- 中学藏语文教材词汇计量统计分析
- 2012年
- 文章对五省(区)藏语文编写委员会编著的初中和高中藏语文教材词汇进行计量统计,包括分体裁用词统计及课文正文用词统计两部分,统计项目包括分体裁词条统计、分册词条、词总、独用词统计、分频段统计等,并对统计数据进行分析说明,为客观评价初、高中教材提供定量标准,为中学阶段的藏文制定量化词汇教学目标提供依据,为今后更好地提高藏语文中学教材的编写质量奠定一定的基础。
- 曹晖韩小斌董晓芳
- 关键词：词汇计量统计
- 藏文报纸词语统计研究被引量：1
- 2012年
- 当前,我国的社会语言生活空前活跃,全面准确地把握语言生活的动态显得十分必要而紧迫.藏族的语言生活是我国社会语言生活的一部分,对于藏语语言生活的调查研究也显得十分重要.通过对平面媒体2010年度四种藏文报纸语料的词语进行分析研究,了解2010年藏文词语的词种、各媒体的独用词种、共用词种、词语覆盖率以及高频词和新词语的使用状况.文章对四种报纸词语的统计研究,不仅可以了解藏文报纸中藏文词汇的使用情况,同时也能根据高频词的统计在一定程度上反映出藏族地区的热点话题、民族风情及发生的重大事件.
- 曹晖董晓芳孟祥和
- 关键词：高频词独用新词
