Search Results for author: Endong Xun

Found 7 papers, 0 papers with code

基于结构树库的状位动词语义分类及搭配库构建(Semantic Classification of Adverbial Verbs Based on Structure Tree Database and Construction of Collocation Database)

no code implementations CCL 2021 Tian Shao, Shiquan Zhai, Gaoqi Rao, Endong Xun

“一般情况下, 一个小句中只有一个动词, 但是也有两个动词同时在一个小句中出现的情况, 比如两个动词接连出现在同一小句中, 在句法上有可能构成状中、述补、动宾、连谓及并列等结构, 语义上可能表示修饰、支配、并列等关系。连续使用的两个动词构成了相对复杂的结构与语义关系, 尤其是在没有形式标记的情况下, 如何自动识别连用动词的结构及其所表达的语义关系是句法语义分析在落地过程中面对的较为困难的问题。对此, 本文将研究对象定位于直接作状语的动词, 从大规模结构树库中抽取两个动词连用的情况, 并对语料进行消歧, 提取出作状语的动词后, 进一步对其进行语义的细分类, 最后构建相应的语义搭配库。不仅为语言学本体提供了分类参考, 同时也为深层次的汉语句法语义分析提供了更多的知识。”

基于结构检索的汉语介动搭配知识库构建(Construction of Preposition-verb Knowledge Base Based on Structure Retrieval)

no code implementations CCL 2021 Chengwen Wang, Gaoqi Rao, Endong Xun

“以往的介词知识库构建重视介词语义和介宾的搭配研究, 鲜有对介动搭配进行系统研究及知识获取的工作。而汉语介词发达及动词是句子中心的特征决定了介动搭配研究的重要性。本研究基于结构检索技术, 充分借助短语结构属性和结构信息, 从大规模语料中抽取介动搭配16033对。并提出了介动搭配紧密度的度量方法, 初步分析证明其远优于依靠绝对频次进行搭配度量的方法。”

Retrieval

基于组块分析的汉语块依存语法(Chinese Chunk-Based Dependency Grammar)

no code implementations CCL 2020 Qingqing Qian, Chengwen Wang, Gaoqi Rao, Endong Xun

基于词单元的经典依存语法在面向中文的句子分析中遇到诸多汉语特性引起的困难。为此, 本文提出汉语的块依存语法, 以谓词为核心, 以组块为研究对象, 在句内和句间寻找谓词所支配的组块, 构建句群级别的句法分析框架。这一操作不仅仅是提升叶子节点的语言单位, 而且还针对汉语语义特点进行了分析方式和分析规则上的创新, 能够较好地解决微观层次的逻辑结构知识, 并为中观论元知识和宏观篇章知识打好铺垫。本文主要介绍了块依存语法理念、表示、分析方法及特点, 并简要介绍了块依存树库的构建情况。截至目前为止, 树库规模为187万字符(超过4万复句、10万小句), 其中包含67%新闻文本和32%百科文本。

Overview of NLPTEA-2018 Share Task Chinese Grammatical Error Diagnosis

no code implementations WS 2018 Gaoqi Rao, Qi Gong, Baolin Zhang, Endong Xun

This paper presents the NLPTEA 2018 shared task for Chinese Grammatical Error Diagnosis (CGED) which seeks to identify grammatical error types, their range of occurrence and recommended corrections within sentences written by learners of Chinese as foreign language.

Grammatical Error Correction Position

IJCNLP-2017 Task 1: Chinese Grammatical Error Diagnosis

no code implementations IJCNLP 2017 Gaoqi Rao, Baolin Zhang, Endong Xun, Lung-Hao Lee

This paper presents the IJCNLP 2017 shared task for Chinese grammatical error diagnosis (CGED) which seeks to identify grammatical error types and their range of occurrence within sentences written by learners of Chinese as foreign language.

Grammatical Error Correction

Overview of NLP-TEA 2016 Shared Task for Chinese Grammatical Error Diagnosis

no code implementations WS 2016 Lung-Hao Lee, Gaoqi Rao, Liang-Chih Yu, Endong Xun, Baolin Zhang, Li-Ping Chang

This paper presents the NLP-TEA 2016 shared task for Chinese grammatical error diagnosis which seeks to identify grammatical error types and their range of occurrence within sentences written by learners of Chinese as foreign language.

Grammatical Error Correction

Cannot find the paper you are looking for? You can Submit a new open access paper.