导读:本文包含了短语切分论文开题报告文献综述及选题提纲参考文献，主要关键词:上海手语,音系短语,切分,手语标记
短语切分论文文献综述
朱潇[1]（2019）在《上海手语话语音系短语切分研究》一文中研究指出本文结合句法成分以"停顿"为原则对上海手语音系短语切分,研究"停顿"时长,分析短语末尾出现的韵律标记。选取自然语料运用Elan分层标注,将出现频率较多的予以分析总结。根据分析,音系短语之间停顿时间因性别、年龄、语料性质、环境等有所差异,但大多分布在50-90ms之间。作为介于语调短语和韵律词之间的韵律单位,音系短语有着不明显的切分标记,如主手保持、重复、幅度变大,辅手延伸等手控标记及点头等非手控标记。(本文来源于《当代语言学》期刊2019年04期）
刘乐茂,赵铁军,曹海龙,朱聪慧,张春越[2]（2012）在《层次短语翻译中基于Markov随机场的层次切分模型》一文中研究指出翻译推导的切分歧义是统计机器翻译面临的一个很重要的问题,而在层次短语机器翻译中,其尤为突出.提出了一个层次切分模型来处理推导的切分歧义性.采用Markov随机场构建模型,然后将其融入层次短语翻译模型,以便自动选择更合理的切分.在NIST中英翻译的任务中,该模型的训练效率高,通过NIST05,NIST06和NIST08这3个测试集上的翻译效果表明,该模型提高了层次短语翻译的性能.(本文来源于《软件学报》期刊2012年12期）
李文,李淼,梁青,朱海,应玉龙[3]（2011）在《基于短语统计机器翻译模型蒙古文形态切分》一文中研究指出该文结合最小上下文构成代价模型,借鉴并利用统计机器翻译的方法,尝试解决蒙古文形态切分问题。基于短语的统计机器翻译形态蒙文切分模型和最小上下文构成代价模型分别对词表词和未登录词进行形态切分。前者选取了短语机器翻译系统中叁个常用的模型,包括短语翻译模型、词汇化翻译模型和语言模型,最小上下文构成代价模型考虑了一元词素上下文环境和词缀N-gram上下文环境。实验结果显示:基于短语统计机器翻译形态切分模型对词表词切分,最小上下文构成代价模型对未登录词处理后,总体的切分准确率达到96.94%。此外,词素融入机器翻译系统中后,译文质量有了显着的提高,更进一步的证实了本方法的有效性和实用性。(本文来源于《中文信息学报》期刊2011年04期）
田昕辉,李成基[4]（2010）在《带有短语切分的中文文本分类方法(英文)》一文中研究指出Internet文本信息量极速增加,在组织和处理这些文本数据时,文本分类技术显得尤为重要。利用统计学理论,特征提取和权重计算常常忽略了特征项之间的语法关系。文中提出了一种将短语切分与文本分类相结合的新方法。在经过TFIDF计算之后,在同一个短语中,特征项之间的关系被计算出来,然后调整权值向量,最后可以得到文本分类的正确率。同一般地文本分类方法相比,加入短语切分的文本分类方法的正确率平均提高了1.5%以上。(本文来源于《计算机技术与发展》期刊2010年01期）
黄贤军,杨玉芳,吕士楠[5]（2007）在《基于CART的韵律短语切分》一文中研究指出构建了一个1991句的汉语语句语料库,在知觉标注和文本处理的基础上,使用决策树算法对韵律短语进行了切分。结果发现,句法信息和长度信息是影响韵律结构切分的两大主要因素,并且较高的测试正确率表明:采用线性统计方式和逐层统计方式相结合的办法,可以很好地从文本中确定语调短语边界和韵律短语边界。(本文来源于《第九届全国人机语音通讯学术会议论文集》期刊2007-10-01）
何中军,刘群,林守勋[6]（2007）在《统计机器翻译中短语切分的新方法》一文中研究指出基于短语的统计机器翻译是目前主流的一种统计机器翻译方法,但是目前基于短语的翻译系统都没有对短语切分作专门处理,认为一个句子的所有短语切分都是等概率的。本文提出了一种短语切分方法,将句子的短语切分概率化:首先,识别出汉语语料库中所有出现次数大于2次的词语串,将其作为汉语短语;其次,用最短路径方法进行短语切分,并利用Viterbi算法迭代统计短语的出现频率。在2005年863汉英机器翻译评测测试集上的实验结果(BLEU4)是:0.1764(篇章),0.2231(对话)。实验表明,对于长句子(如篇章),短语切分模型的加入有助于提高翻译质量,比原来约提高了0.5个百分点。(本文来源于《中文信息学报》期刊2007年01期）
张步峰,何丕廉,张冬冬,李沐,周明[7]（2006）在《短语切分概率在统计机器翻译系统中的应用》一文中研究指出在统计机器翻译领域,基于短语的翻译模型的性能优于基于词的翻译模型。目前在基于短语的所有机器翻译模型系统中,源语言都是以均匀分布的方式进行短语切分,然后将所有可能的短语切分结果送入解码器,最终得到翻译结果。遗憾的是,这种基于均匀分布模型对源语言进行短语切分的方式没有充分结合源语言的语言学知识,可能会误导翻译模型以致选择错误的候选目标短语。本文提出通过对源语言知识进行统计学习,获得短语切分概率模型,以指导对源语言进行合理的短语切分。短语切分概率模型可以独立成为一个新的特征,因此能够非常容易的嵌入以最大熵模型为框架的主流统计机器翻译系统中。通过对中英翻译和法英翻译的实验评测,证明了该方法可以明显改善统计机器翻译系统的性能。(本文来源于《中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集》期刊2006-11-01）
何中军,刘群,林守勋[8]（2006）在《统计机器翻译中短语切分的新方法》一文中研究指出基于短语的统计机器翻译是目前主流的一种统计机器翻译方法,但是目前基于短语的翻译系统都没有对短语切分作专门处理,认为一个句子的所有短语切分都是等概率的。本文提出了一种短语切分方法,将句子的短语切分概率化:首先,识别出汉语语料库中所有出现次数大于2次的词语串,将其作为汉语短语;其次,用最短路径方法进行短语切分,并利用Viterbi 算法迭代统计短语的出现频率。在2005年863汉英机器翻译评测测试集上的实验结果(bleu4)是:0．1764(篇章),0．2231(对话)。实验表明,对于长句子(如篇章),短语切分模型的加入有助于提高翻译质量,比原来约提高了0．5个百分点。(本文来源于《第叁届学生计算语言学研讨会论文集》期刊2006-08-01）
吴晓慧,柴佩琪[9]（2003）在《提高韵律短语正确切分方法的研究》一文中研究指出汉语自动词性标注和韵律短语切分都是汉语文语转换（Text-to-Speech）系统的重要组成部分。在用从人工标注的语料库中得到韵律短语切分点的边界模式以及概率信息，对文本中的韵律短语切分点进行自动预测时，语素'g'这种词性就过于模糊，导致韵律短语切分点预测得不合理。该文提出了一种修改词类标注集，去掉语素'g'这种词性的方法。该方法在进行词性标注时，对实语素恰当地标注出在句中的词性，以便提高韵律短语的正确切分。应用此方法对10万词的训练集和5万词的测试集分别进行封闭和开放测试表明，词性标注正确率分别可达96.67%和92.60%。并采用修改过的词类标注集，对1000句的文本进行了韵律短语切分点的预测，召回率在66.21％左右，正确率达到了75.79％。(本文来源于《计算机工程》期刊2003年02期）
陈德叁[10]（2002）在《短语的扩展形式及其层次的切分原则》一文中研究指出短语教学是现代汉语语法教学的一个极其重要的组成部分 ,其中复杂短语的分析是短语教学中的一个难点。本文着重介绍短语的四种扩展形式 :延伸式、连环式、包孕式、递加式 ;并结合教学实践提出切分复杂短语层次的两条比较简明易行的原则 ,作为现代汉语语法教学内容的补充(本文来源于《华侨大学学报(哲学社会科学版)》期刊2002年02期）
短语切分论文开题报告
（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：
翻译推导的切分歧义是统计机器翻译面临的一个很重要的问题,而在层次短语机器翻译中,其尤为突出.提出了一个层次切分模型来处理推导的切分歧义性.采用Markov随机场构建模型,然后将其融入层次短语翻译模型,以便自动选择更合理的切分.在NIST中英翻译的任务中,该模型的训练效率高,通过NIST05,NIST06和NIST08这3个测试集上的翻译效果表明,该模型提高了层次短语翻译的性能.
（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。
短语切分论文参考文献
[1].朱潇.上海手语话语音系短语切分研究[J].当代语言学.2019
[2].刘乐茂,赵铁军,曹海龙,朱聪慧,张春越.层次短语翻译中基于Markov随机场的层次切分模型[J].软件学报.2012
[3].李文,李淼,梁青,朱海,应玉龙.基于短语统计机器翻译模型蒙古文形态切分[J].中文信息学报.2011
[4].田昕辉,李成基.带有短语切分的中文文本分类方法(英文)[J].计算机技术与发展.2010
[5].黄贤军,杨玉芳,吕士楠.基于CART的韵律短语切分[C].第九届全国人机语音通讯学术会议论文集.2007
[6].何中军,刘群,林守勋.统计机器翻译中短语切分的新方法[J].中文信息学报.2007
[7].张步峰,何丕廉,张冬冬,李沐,周明.短语切分概率在统计机器翻译系统中的应用[C].中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集.2006
[8].何中军,刘群,林守勋.统计机器翻译中短语切分的新方法[C].第叁届学生计算语言学研讨会论文集.2006
[9].吴晓慧,柴佩琪.提高韵律短语正确切分方法的研究[J].计算机工程.2003
[10].陈德叁.短语的扩展形式及其层次的切分原则[J].华侨大学学报(哲学社会科学版).2002