导读:本文包含了代词消解论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:代词,深度,维吾尔,人称,向量,藏文,长短。
代词消解论文文献综述
李东欣[1]（2019）在《基于语义特征的人称代词指代消解研究》一文中研究指出随着网络时代的发展,当前的网络空间中充斥着大量的文本数据,而这些数据包含着许多有用的价值,因此对这些文本数据进行研究就显得尤为重要了。虽然在文本中虽然包含着许多有用的价值,但是在海量的文本中却广泛存在着缺省和指代的现象,使得文本在整体的层次上出现缺失语义的现象。虽然这些现象对于人类理解其含义没有什么太大的困难,但是对于机器理解文本信息就具有很大的困难和挑战,因此在机器理解、机器翻译、信息抽取等任务中指代消解的研究显得尤为重要。本文针对人称代词在指代的方面特性对其进行指代消解研究。从人称代词指代消解和待消解项识别这两个方面着手进行研究任务,构建基于人称代词的指代消解模型,从篇章级别的文本中挖掘上下文的语义信息对文本中的代词进行识别和消解。在研究指代消解任务中发现,合理的代词待消解项识别能够有效提升人称代词指代消解模型的性能。因为合理的代词识别能够在指代消解过程引入无必要的噪音和干扰信息。因此对于显性的人称代词的待消解项识别的研究也很重要。当前的指代消解的研究大多是基于浅层机器学习模型或者是人工参与抽取相关代词的语义特征,不能够很好的挖掘文本中深层次的语义信息,影响了指代消解模型的性能。因此针对人称代词的指代消解研究工作,本文进行了以下两点的研究:1、对人称代词指代消解任务,构建基于深度学习思想的模型,采用词向量的方法结合注意力机制模型构建人称代词指代消解模型。首先,通过对人称代词指代的特点和表达规律进行分析和归纳,根据归纳的特点提取相应的特征;接着利用注意力机制能够调节权重,避免信息层间传递丢失特点结合长短时记忆网络(LSTM)挖掘人称代词的语义特征;最后利用深度置信网络(DBN)在更深层次上挖掘人称代词的语义信息并与知识和规则层面的特征相融合完成人称代词的指代消解任务。实验的最终的准确率达到了81.14%。2、针对人称代词待消解项识别任务。本文构建了基于注意力机制的卷积神经网络(CNN)和双向长短时记忆网络(Bi-LSTM)的人称代词待消解项识别模型框架。利用CNN网络提取文本中代词的局部信息,用Bi-LSTM网络提取文本中人称代词的上下文语义信息。此外还提取知识和规则层面的十一项特征,然后将其模型抽取的特征进行融合输入到分类器中,由分类器中判断人称代词是否为真正的消解项,最终完成人称代词的待消解项识别的研究。(本文来源于《新疆大学》期刊2019-05-27）
李东欣,禹龙,田生伟,李圃,赵建国[2]（2019）在《注意力机制的LSTM-DBN维语人称代词指代消解》一文中研究指出针对维吾尔语中人称代词指代歧义问题,结合维吾尔语言的词法、语法、词间位置等关系,以及注意力机制、长短时记忆网络和深度置信网络,提出了一种维语人称代词指代消解模型。首先,分析维语中人称代词指代的特点和表达规律,提取出相应词向量特征;其次,借助长短时记忆网络挖掘维吾尔语人称代词的语义特征,并利用注意力机制的相似性度量、权重调节能力,避免信息在层间传递的丢失,实现特征编码向量的信息整合;最后利用深度置信网络(DBN)进一步挖掘出隐藏在维语上下文中的深层语义特征,完成维语人称代词指代消解。实验结果表明,所提模型在挖掘深层语义信息和识别效果上优于传统的深度学习模型,准确率达到了81.14%,F_1达到了78.83%。(本文来源于《计算机技术与发展》期刊2019年07期）
蔡文莹,王迎霜[3]（2019）在《西方心理语言学中代词回指消解的研究综述》一文中研究指出本文对西方心理语言学中的代词回指消解关键研究进行了回顾。代词的回指消解是句法规则、语义、注意焦点等因素共同作出判断的过程,其完成的时间滞后于代词的出现,并受篇章结构的影响。文末对我国心理语言学相关方面的代词回指研究进行了展望。(本文来源于《现代交际》期刊2019年05期）
田生伟,秦越,禹龙,吐尔根·依布拉音,冯冠军[4]（2018）在《基于Bi-LSTM的维吾尔语人称代词指代消解》一文中研究指出针对维吾尔语人称代词指代现象,提出利用双向长短时记忆网络(Bi-directional long short term memory,Bi-LSTM)的深度学习机制进行基于深层语义信息的维吾尔语人称代词指代消解.首先将富含语义和句法信息的word embedding向量作为Bi-LSTM的输入,挖掘维吾尔语隐含的上下文语义层面特征;其次对维吾尔语人称代词指代现象进行探索,提取针对人称代词指代研究的24个hand-crafted特征;然后利用多层感知器(multilayer perception,MLP)融合Bi-LSTM学习到的上下文语义层面特征与hand-crafted特征;最后使用融合的两类特征训练softmax分类器完成维吾尔语人称代词指代消解任务.实验结果表明,充分利用两类特征的优势,维吾尔语人称代词指代消解的F1值达到76.86%.实验验证了Bi-LSTM与单向LSTM、浅层机器学习算法的SVM和ANN相比更具备挖掘隐含上下文深层语义信息的能力,而hand-crafted层面特征的引入,则有效提高指代消解性能.(本文来源于《电子学报》期刊2018年07期）
吴明军,杨玉兰,吴晓明[5]（2018）在《加工深度对二语代词消解的影响》一文中研究指出本文采用移动窗口的累积范式,考察加工深度对中国学习者英语代词加工的影响。结果发现,在浅层加工中,歧义代词条件下的阅读时间与无歧义代词条件下的阅读时间不存在显着差异,两种条件下阅读句子后回答问题的准确率也无显着差异;而在深度加工中,两种条件下的阅读时间存在显着差异,无歧义代词指代主语和无歧义代词指代宾语间存在显着差异,歧义代词更以压倒性优势选择主句主语为先行语。本文从代词消解的两个阶段模型和中心理论两个视角对研究结果进行了解释。(本文来源于《现代外语》期刊2018年05期）
夏吾吉,华却才让[6]（2018）在《基于混合策略的藏文人称代词指代消解研究》一文中研究指出指代消解是文本理解和信息抽取的一项重要任务。针对这一任务,提出了基于混合策略的藏文人称代词指代消解方法,通过对藏文人名、人称代词的形态特征和构词规律的研究,制定了叁类消解规则和有效统计特征,采用基于规则、最大熵模型以及规则与最大熵模型相结合的叁种方法实现了藏文人称代词的指代消解系统。在包含2 306个待消解对的藏文句子集上,经测试分别获得76.02%、86.21%和88.16%的F值。(本文来源于《计算机工程与应用》期刊2018年07期）
秦越,禹龙,田生伟,赵建国,冯冠军[7]（2017）在《基于深度置信网络的维吾尔语人称代词待消解项识别》一文中研究指出针对维吾尔语人称代词指代消解研究忽略了待消解项识别而引入了噪声的问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)的维吾尔语人称代词待消解项识别方法。在分析维吾尔语人称代词语法特征和语言规则的基础上,总结出包含10项特征的维吾尔语人称代词待消解项特征集。所提方法首先通过逐层贪婪地训练每一层受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)网络,来保证特征向量映射到不同的特征空间,尽可能多地保留特征信息;并在最后一层设置BP网络,对RBM输出的特征向量进行分类,以有监督的方式训练整个网络并进行微调。实验结果表明,所提方法正确识别维吾尔语人称代词待消解项的准确率达到95.17%,比SVM算法提高了9%,从而验证了其有效性和可行性。(本文来源于《计算机科学》期刊2017年10期）
吴明军,潘娟[8]（2017）在《接口条件对高级英语学习者消解反身代词的影响》一文中研究指出本文运用E-prime编程的基于故事的真值判断任务,研究中国高级英语学习者如何消解英语反身代词。结果发现,学习者在限定性和非限定性双子句中,都能够克服汉语远程约束的影响,正确地消解其中的反身代词,但在确定含有领属语的"具象类"和"给予"类句子中反身代词的先行语时,仍存在困难。具象类句型的正确率约为75%,宾语约束的正确率更低,略高于机会水平。本文从结构部分重迭假说和反身代词消解涉及不同的接口条件解释这些结果。(本文来源于《现代外语》期刊2017年05期）
汪玉霞[9]（2017）在《汉语简单和复合反身代词指代消解的眼动研究》一文中研究指出指代消解是语言理解和产出的核心环节,是理论语言学和心理语言学关注的热点问题。本研究使用精确度毫秒级的眼动研究范式,以汉语母语使用者为对象,探讨汉语简单和复合反身代词的实时指代消解。研究表明在早期加工阶段局部辖域内的近距离先行词不能被优先提取,不支持句法优先提取假说。在晚期加工进程中,简单反身代词倾向近距离先行词,复合反身代词倾向远距离先行词。两类反身代词在加工机制上体现出质的不同,这和他们句法属性不同密切相关。(本文来源于《上海交通大学学报(哲学社会科学版)》期刊2017年04期）
李冬白,田生伟,禹龙,吐尔根·依布拉音,冯冠军[10]（2017）在《基于深度学习的维吾尔语人称代词指代消解》一文中研究指出指代消解是自然语言处理技术的核心问题,该文结合维吾尔语语义特征,提出基于深度学习的维吾尔语人称代词指代消解方法。通过堆迭多层无监督RBM网络和一层有监督BP网络,构建DBN深度神经网络学习模型,RBM网络保证特征向量映射达到最优,BP网络对RBM网络的输出向量进行分类,实现维吾尔语人称代词指代消解。经过维吾尔语指代消解语料库测试,F值达到83.81%,比SVM方法高出2.88%。实验结果表明,同等条件下,该方法能有效提升维吾尔语人称代词消解的精度,有助于维吾尔语指代消解研究。(本文来源于《中文信息学报》期刊2017年04期）
代词消解论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对维吾尔语中人称代词指代歧义问题,结合维吾尔语言的词法、语法、词间位置等关系,以及注意力机制、长短时记忆网络和深度置信网络,提出了一种维语人称代词指代消解模型。首先,分析维语中人称代词指代的特点和表达规律,提取出相应词向量特征;其次,借助长短时记忆网络挖掘维吾尔语人称代词的语义特征,并利用注意力机制的相似性度量、权重调节能力,避免信息在层间传递的丢失,实现特征编码向量的信息整合;最后利用深度置信网络(DBN)进一步挖掘出隐藏在维语上下文中的深层语义特征,完成维语人称代词指代消解。实验结果表明,所提模型在挖掘深层语义信息和识别效果上优于传统的深度学习模型,准确率达到了81.14%,F_1达到了78.83%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
代词消解论文参考文献
[1].李东欣.基于语义特征的人称代词指代消解研究[D].新疆大学.2019
[2].李东欣,禹龙,田生伟,李圃,赵建国.注意力机制的LSTM-DBN维语人称代词指代消解[J].计算机技术与发展.2019
[3].蔡文莹,王迎霜.西方心理语言学中代词回指消解的研究综述[J].现代交际.2019
[4].田生伟,秦越,禹龙,吐尔根·依布拉音,冯冠军.基于Bi-LSTM的维吾尔语人称代词指代消解[J].电子学报.2018
[5].吴明军,杨玉兰,吴晓明.加工深度对二语代词消解的影响[J].现代外语.2018
[6].夏吾吉,华却才让.基于混合策略的藏文人称代词指代消解研究[J].计算机工程与应用.2018
[7].秦越,禹龙,田生伟,赵建国,冯冠军.基于深度置信网络的维吾尔语人称代词待消解项识别[J].计算机科学.2017
[8].吴明军,潘娟.接口条件对高级英语学习者消解反身代词的影响[J].现代外语.2017
[9].汪玉霞.汉语简单和复合反身代词指代消解的眼动研究[J].上海交通大学学报(哲学社会科学版).2017
[10].李冬白,田生伟,禹龙,吐尔根·依布拉音,冯冠军.基于深度学习的维吾尔语人称代词指代消解[J].中文信息学报.2017
论文知识图
