基於詞聯接的自然語言處理技術及其應用研究
基於詞聯接的自然語言處理技術及其應用研究
李良炎，生於1974年，重慶開縣人，教育學學士，教育心理學碩士，計算機應用專業博士，重慶大學外國語學院副教授，重慶大學語言認知及語言應用研究基地專職研究員，重慶大學語言認知及信息處理研究所所長。主研完成國家自然科學基金項目“計算機輔助文學藝術創作研究”，已發表學術論文15篇，參編專著一部，四篇論文進入EI檢索。主要研究興趣為語料庫語言學、計算語言學、認知語言學、藝術心理學。業餘愛好包括哲學、歷史、文學、美術、音樂、書法、編程等。
前言
第一章 技術背景
1.1.1 自然語言的認識性
1.1.2 自然語言的不確定性
1.2 現階段NLP的根本目標——受限語言智能仿知技術
1.3 NLP技術的發展階段
1.3.1 技術探索階段(20世紀50、60年代)
1.3.2 規則技術興起階段(20世紀70、80年代)
1.3.3 統計技術興起階段(20世紀90年代至今)
1.4 NLP技術的發展趨勢
1.4.1 實例技術可能成為主流技術
1.4.2 規則技術和統計技術可能成為輔助技術
1.5 小結
第二章 基於詞聯接的NLP技術概述
2.1 TCT的基本原理和技術結構
2.1.1 TCT的基本原理
2.1.2 TCT的技術結構
2.1.3 TCT的研究進展
2.2 CT的哲學基礎——易學
2.2.1 易卦——認知模型
2.2.2 五行——體驗模型
2.3 TCT的理論基礎——神經認知語言學
2.4 TCT的方法基礎——基於實例的知識加工
2.5 小結
第三章 基於詞聯接的知識表示技術(TCTR)
3.1 知識表示基本原理
3.2 自然語言知識結構與要素
3.2.1 語言知識靜態結構
3.2.2 語言知識動態結構
3.2.3 語言知識要素
3.3 TCTR語言知識形式化系統
3.3.1 自然語言知識形式化方法
3.3.2 詞的結構語義形式化
3.3.3 詞的整體語義形式化
3.3.4 詞的上下文語義形式化
3.4 小結
第四章 基於詞聯接的知識獲取技術(TCTO)
4.1 知識獲取基本原理
4.2 TCTO語言知識設計原理
4.2.1 語料標註
4.2.2 語言規則設計
4.2.3 語言知識推理程序設計
4.3 TCTO語料標註規範
4.3.1 語料標註流程
4.3.2 語料標註工具
4.3.3 語料標註規則
4.3.4 編寫《TCT()語料標註手冊》
4.4 初級語言知識獲取與管理
4.4.1 初級語言知識獲取
4.4.2 初級語言知識管理
4.5 小結
第五章 基於詞聯接的語言分析技術(TI衛A)
5.1 語言分析基本原理
5.2 TCTA初級語言分析原理
5.2.1 語言分析目標
5.2.2 語言知識基礎
5.2.3 語言分析策略
5.3 TCTA初級語言分析核心演演算法
5.3.1 分詞
5.3.2 詞聯接最大語義符合度計算
5.3.3 最優句樹搜索
5.3.4 模塊調用關係與流程
5.4 小結
第六章 基於詞聯接的語言評價技術(TCTE)
6.1 語言評價基本原理
6.2 TCTE語言風格評價原理
6.2.1 語言評價目標
6.2.2 語言知識基礎
6.2.3 語言評價策略
6.3 TCTE語言風格計算
6.4 小結
第七章 詩詞語言處理系統(IWS)開發與測試
7.1 開發目標
7.2 PPS設計
7.2.1 語言知識類設計
7.2.2 語言知識庫設計
7.2.3 模塊設計
7.2.4 界面設計(附圖1、2、3、4、5、6)
7.2.5 編寫《PPS用戶指南》
7.3 PPS測試
7.3.1 數據準備工作
7.3.2 詩詞語料標註測試
7.3.3 詩詞語言初級分析測試
7.3.4 詩詞語言豪放與婉約風格的評價測試
7.4 小結
第八章 總結與展望
參考文獻
附錄一圖、表、公式索引
附錄二《唐詩作品豪放與婉約風格評價問卷調查》表
附錄三詩詞語言處理系統界面設計
