公共文化服务平台

尼玛扎西: 作品数：62 被引量：111H指数：7; 供职机构：西藏大学更多>>; 发文基金：国家自然科学基金国家级教学团队建设项目长江学者和创新团队发展计划更多>>; 相关领域：自动化与计算机技术电子电信文化科学语言文字更多>>

合作作者

Bi⁃LSTM和CRF结合的藏文分词方法研究被引量：2: 2024年; 本研究旨在探索基于双向长短时记忆网络(Bi⁃LSTM)和条件随机场(CRF)的藏语分词方法。研究评估了Bi⁃LSTM和Bi⁃LSTM结合CRF模型在藏文分词任务中的性能,针对未登录音节词进行了模型优化。研究还将分词系统应用到CCMT2023藏汉机器翻译任务中,并进行了评估。实验结果表明,本文提出的分词系统在藏语分词任务中具有良好的性能,并且在藏汉机器翻译任务上有效提升了性能。; 格桑加措阿卜杜热西提·热合曼尼玛扎西面加肖桐朱靖波; 关键词：CRF

一种藏文古籍的版面分析方法及系统: 本发明涉及一种藏文古籍的版面分析方法及系统，获取藏文古籍图像，对藏文古籍图像进行二值化处理，获取藏文古籍图像的二值图像，对二值图像进行分离处理，获取文本文档和非文本文档，对文本文档进行区域分割，提取文本区域，获取非本文文...; 尼玛扎西拥措师庆辉芦筱菲毕琰虹洛桑嘎登仁增多吉; 文献传递

一种藏文文本压缩算法: 本发明公开了一种藏文文本压缩算法，本发明根据对20G藏文网页中的藏文文本进行了统计分析，并由此建立了TiCA算法的映射字典，再根据映射字典，将原来由编码组成的藏文字映射为一个编码的方法来对藏文文本进行压缩。在这个过程中，...; 索南尖措尼玛扎西仁青诺布格桑多吉普布旦增

一种声呐目标的极点特征提取方法: 本发明公开了一种声呐目标的极点特征提取方法。步骤1：利用矩阵束法从声纳目标回波中提取极点；步骤2：确定声呐目标回波中的极点个数；步骤3：提取出目标回波中的主极点。本发明为了解决水下目标探测隐蔽性及准确性的问题，对于主动声...; 尼玛扎西马雪飞; 文献传递

一种藏医药领域实体关系联合抽取系统及方法: 本发明提出了一种藏医药领域实体关系联合抽取系统及方法，涉及人工智能领域。一种藏医药领域实体关系联合抽取方法包括以下步骤：获取藏医药相关文字样本，作为训练样本；将训练样本转换为词向量；对训练样本分类，并将分类结果和词向量融...; 拥措于韬尼玛扎西

一种藏文分词与词性标注一体化方法及系统: 本发明提出了一种藏文分词与词性标注一体化方法及系统，涉及电子信息领域。本发明提供的方法，通过获取用户输入藏文文本信息，调用一体化模型并切分藏文音节以及非藏文字符块，进行CRF预测，得到最优的标签预测，根据标签预测的结果整...; 拥措尹宗鹤尼玛扎西拉毛杰万玛才旦

浅谈3D动画电影制作技巧与经验被引量：2: 2013年; 3ds Max是Autodesk公司开发的基于PC系统的三维动画渲染和制作软件,并已逐步成为个人PC机平台上最优秀的三维动画制作软件。文章以西藏自治区大学生创新性实验训练计划项目3D动画电影《和气四瑞》(藏汉双语版)为依据,分别从不规则物体的建模、为模型添加贴图材质、角色的骨骼创建、蒙皮、为场景添加灯光、摄影机以及动画的渲染输出等方面来论述3ds MAX在3D动画的设计与制作过程中的实用技巧。; 尼玛扎西韦丽坤赵俐骄索朗旺堆; 关键词：蒙皮

雪层杜鹃花养生茶及其制备方法: 本发明公开了一种雪层杜鹃花养生茶及其制备方法，养生茶包括以下原料：雪层杜鹃花冠、茶叶、桂花、橘红、款冬花和甘草。在制备花茶时，先对雪层杜鹃花冠进行醇提，得到雪层杜鹃花冠提取物；然后对桂花和茶叶进行共蒸，共蒸后分离桂花和茶...; 索南措普布桑珠扎西尼玛扎西道杰肖; 文献传递

一种基于EMD-WFFT时变宽带多普勒补偿方法: 本发明公开了一种基于EMD‑WFFT时变宽带多普勒补偿方法。步骤1：使用训练序列进行同步；步骤2：将步骤1中的训练序列去掉循环前缀；步骤3：将步骤2得到的信号乘小波函数后再进行WFFT处理；步骤4：将步骤3中经过WFFT...; 马雪飞尼玛扎西王辰; 文献传递

基于双向软模板方式提示学习的藏文文本分类: 2025年; 藏文文本分类是藏语自然语言处理中的一项基础任务,在舆情监测、新闻推送、邮件分类等领域具有重要价值。预训练语言模型加微调的方式是目前主流的文本分类方法。然而,受限于有限的藏文标注数据和计算资源,使用该方法微调更大模型进行文本分类研究变得非常困难。针对上述问题,该文提出了一种基于双向软模板方式提示学习的藏文文本分类方法。具体来说,传统的软模板方式提示学习只在输入文本嵌入向量前面添加可优化的软模板向量,但为了适应藏文语法结构,该文方法在输入文本嵌入向量首尾都进行软模板向量拼接。通过当前藏文两个主流藏文文本分类任务(情感分类、新闻主题分类)进行验证,结果表明,该文方法对于预训练语言模型(Pre-trained Language Model,PLM)的分类效果有显著提升。尤其在少样本实验中表现出色,其中,新闻主题分类的Macro-F_(1)值最高提升了5.7%,情感分类的Macro-F_(1)值最高提升了8.3%。; 周明军李秉林群诺群诺; 关键词：藏文