数字出版提供词汇抽取服务主要是基于这样一个统计事实，一种成熟的语言，一般词汇量很大，但在人们的日常生活会话和书籍中，常用词占了绝大部分。在现代汉语文章中，2500个常用字的覆盖率达97.97%，3500个常用字的覆盖率达99.48%[4]。如果把一种语言的词汇按词频分段，语言水平高的读者，生词少且趋于低频词段，语言水平较低的读者，生词较多，生词词频段跨度会较大。......
2023-11-23
自然语言处理助力网络动漫语言服务
【摘要】：网络动漫提供语言服务的目的在于促进外语学习中听说读写的结合，使观众和玩家（学习者）在赏析动漫和进行游戏活动的过程中能更有效地学习外语。从经济实用性考虑，重点和难句抽取可以在纯文本格式文件中参考传统的文本难度算法基础上进行，避开费时费力的语篇预处理和机器翻译准确性的问题。在传统的文本难度计算中，词汇难度、词频和词长计算都可以在纯文本格式文件中完成。
网络动漫提供语言服务的目的在于促进外语学习中听说读写的结合，使观众和玩家（学习者）在赏析动漫和进行游戏活动的过程中能更有效地学习外语。动漫和游戏出版的最大特色是以图为主，语言部分以会话形式体现，所包含的语言信息量相对较少，不同于文学书籍等书面语言。为方便使用，可对其提供如下三种形式的语言服务，即原始剧本文档、基于词频分级的词汇表和难句表。
1.原始剧本文档
原始剧本文档指动画和游戏的整体剧本文档，如果动画或游戏由很多集构成，文档会比较长。为方便读者查阅，提供的文档格式应该能根据集号、人物名称等进行随机查询。
2.基于词频分级的词汇表
一种成熟的语言一般词汇量很大，但在人们的日常生活会话和书籍中，常用词占了绝大部分。动漫、游戏中的语言对白涉及的词汇不是太多，但让学习者对其达到熟练的听说读写并不容易，很多时候能读懂，但听不懂或不能正确书写；有时能听懂单词、句子的语言形式听得很清楚，但不理解其内容，这是由于缺乏背景知识、缺乏共有的图式或语境信息[7]。为了真正能通过观看动画或参与游戏交互实现听说读写全方位的学习，一方面需要通过语言对白了解文化背景和融入其对应的语境，同时有必要把剧本中语言对白的词汇按词频难度抽取出来，形成带有发音朗读和源语言解释的词汇表。学习者如果在对自己不熟悉的词汇进行预习之后再观看动漫或进入游戏活动，不仅利于外语学习，也可提高娱乐质量，再有意识复习会改进人类短时记忆带来的遗忘。(www.chuimin.cn)
3.重点和难句表
网络动漫和游戏中的对话一般是口语，不属于书面语言，因此长难句少。难句一般都比较长，但长句不一定是难句，对于含有成语和俗语的句子，有时虽然短，但却难以理解。如果在动漫和游戏剧本文档编辑完成后自动抽取出剧本中重点和不容易理解的句子，对这些句子给出翻译、难点解释和目标语发音的音频，形成能按集序号进行筛选显示的重点和难句表文件，能帮助学习者更好理解剧本内容和模仿发音。
从经济实用性考虑，重点和难句抽取可以在纯文本格式文件中参考传统的文本难度算法基础上进行，避开费时费力的语篇预处理和机器翻译准确性的问题。在传统的文本难度计算中，词汇难度、词频和词长计算都可以在纯文本格式文件中完成。由云平台提供参考传统的确定文本难度算法开发难句抽取软件工具比较容易，虽然不能达到完全的抽取率，但大部分所需要的句子，如含有成语和俗语因素的句子，都可提取出来。
对于在网络动漫和游戏中的某些经典或重要的句子，如果条件允许，也可以由专业领域内的语言专家在产品制作过程中或正式发布进入市场之前人工标记，然后由出版发行公司通过云计算平台上的抽取软件实现自动抽取。
- 详细阅读
-
数字出版语言服务现状：自然语言处理技术助力阅详细阅读
在目前的数字出版服务中，人们主要关注的是疏通出版、消费渠道和丰富数字产品形式。但对数字出版为读者提供语言层面的服务，除了起源于美国的阅读分级服务，几十年来几乎没有新的进展。目前数字出版中的语言服务，有代表性的有以下几种：1）数字出版编辑中的语言服务：文字编辑与校对。3）数字出版面向读者的语言服务：文本难度。......
2023-11-23
-
数字出版中的语言服务：自然语言处理技术助力阅详细阅读
从阅读的目的来看，外文阅读可分为以语言学习为目的的阅读、工作需要进行的阅读和享受型阅读。现代汉字是指现代白话文用到的字，包括古今通用的字和白话文专用的字，合起来称“现代汉字”。与现代汉字相对的是只用于文言文中的字，我们称为文言古语用字。到目前为止，汉字生僻字的输入，还一直是困扰文史工......
2023-11-23
-
数字出版中的语言服务：自然语言处理技术助力俚详细阅读
俚语有很多特征，其中口语化是俚语的基本特征。此外，俚语的另一个典型特征是时间限制特征。时间限制指俚语是随着时代的变化而变化的，某一时代盛行的俚语会随着这一代的结束而消失。因此，现在盛行的俚语，在未来的岁月里则可能会受到质疑。有文章说，俚语占口语比重20%。把俚语提取出来形成俚语表，可方便有意识学习和记忆。每种语言的俚语各有其特点，有自身对应的俚语词典，可根据对应的俚语电子词典完成俚语的自动抽取。......
2023-11-23
-
自然语言处理技术助力阅读详细阅读
出版是人类社会的一种重要活动，是传播文化的渠道，而现代的信息技术、网络技术、多媒体技术等促生了数字出版这一文化与科技融合的产物出现。随着数字出版这一新生事物的出现和发展，人类的出版史进入了新的时代。手机出版手机出版作为数字出版的一员，是近几年兴起正蓬勃发展的一种出版形式。......
2023-11-23
-
难句抽取服务-数字出版自然语言处理技术助力阅详细阅读
所以外文数字出版中提供难句抽取服务具有积极的意义。实现外文数字出版中的难句抽取的完全自动化，从理论上说，需要涉及语篇的预处理、难句识别及抽取算法和机器翻译，而这在目前还存在一些困难。其次，除了语料的标注，难句抽取还需要根据高效准确的难句识别和抽取算法，开发相应的难句抽取软件工具。......
2023-11-23
-
数字出版：自然语言处理技术助力阅读详细阅读
2014年，新技术在我国数字出版中的应用将得到进一步发展。因此，数字出版的潮流势不可挡。韩国的数字出版产业政策对其数字出版产业发展起了极大的促进作用，其扶持政策值得我国借鉴。为了加强数字出版产业振兴政策的实施效果，韩国政府进一步明确了数字出版相关法律，培养专业性的数字出版人才顺应发展数字出版产业的趋势。......
2023-11-23
-
自然语言处理技术助力数字出版阅读详细阅读
此外，通过自然语言理解的研究可以更好地了解人类大脑是如何工作的。5）统计学：给自然语言处理提供基于样本数据来预测统计事件的技术。7）生物学：给自然语言处理提供大脑中人类语言行为机制的理论。......
2023-11-23
相关推荐