自动词

摘要： 中国学习者在学习日语时,经常会出现使用偏误。在种种使用偏误中,尤以自他动词使用偏误较为难以纠正。特别是有对自他动词的使用,更是令许多日语学习者深感困扰。笔者通过分析在教学工作中收集到的日语学习者自他动词使用偏误实例,总结出初级日语学习者和中高级日语学习者自他动词的使用偏误类型,并分析偏误出现的原因。在解决对策方面,笔者认为须从动词语义分析、句法分析等角度帮助学生对日语自他动词以及自动词句与他动词句有本质性的认识,避免出现针对学生的个别偏误进行个别分析,头痛医头脚痛医脚的问题,从而更好、更有效地提高学习者的日语学习水平。

摘要： 在世界的各种语言体系当中,都能够见到被动句的存在。并且由于所属不同的语言体系,不同语言的被动句在表达形式上都有些许不同。本文将主要从汉语母语者在日语被动句的直接被动句和间接被动句的误用入手,试图分析其背后的原因。

摘要： 日语使役态的使用成为中国学习者的难点之一,笔者通过比对他动词和自动词的使役态用法,从动词的意义,使役者和被使役者的关系,搭配方式,语句意义等多方面进行探讨,试图寻找其规律,更好地服务于教学,解决学生的学习困难,更为便捷地道的掌握日语语言学习.

摘要： 本文着眼于无情物为主语的使役句,由此展开一系列调查研究。笔者首先考察了日语自他动词的词类、句型等,分析各自的特征以及彼此间产生联系的因素,接着考察了动词使役态的基本功能和使用情况,通过举例展开论述,分析了他动词句与自动词使役句间的具体关联并得出结论。

摘要： 根据运动方式编码的不同,把动词分为自动词和他动词.根据兼语句式中第一动词的不同语义类型,通过句式变换、停顿、添加等分析手段,结合认知语言学的理论对兼语句式的特点进行分析研究.

摘要： 日语中"名词+る"结构的五段动词大量出现,这种名词动词化现象在外来词、汉字词和日语固有词中都有分布,既有他动词,也有自动词.掌握这种结构的动词,对于提高日语口语水平很有帮助.

摘要： 松下大三郎将“を”后面接的动词定义为他动词,其余的为自动词。但是,“を”既有后续他动词的情况也有后续自动词的情况。如“空を飛ぶ”“現代を生きる”。因此有必要弄清楚“を”的用法的区别。本文在总结先行研究的基础之上提出了“を”的时空观,以便学习者更好地理解“を”的用法。

摘要： 日前,农业农村部办公厅印发《关于加大农机购置补贴力度支持生猪生产发展的通知》,就优化农机购置补贴机具种类范围,支持生猪养殖场(户)购置自动词喂、环境控制、疫病防控和废弃物处理等农机装备作出部署。《通知》要求,一要优化补贴范围,实行应补尽补。将全国农机购置补贴机具种类范围内的所有适用于生猪生产的机具品目原则上全部纳人本省补贴范围,“缺什么、补什么”“急事急办”“应补尽补”。

摘要： 提到自动词、他动词,其词性分类、意义解释、用法归类在人们的脑海中已经形成了一个固定思维模式.但在很多语境下,由于受汉语负迁移的影响,其选择也会经常混淆.本文通过日语中的自他动词与英语中的及物和不及物动词对比,通过释义、形态、结构、用法分析等方面探讨日语中自动词和他动词主体动作的传递、非传递性等问题.

摘要： 中国日语学习者在学习日语的时候,由于受到母语的影响,经常会有一些误用.其中,自他动词的误用就一直困扰着日语学习者,本文试图通过收集到的误用的例子,对自他动词的误用进行分类、归纳及分析,探讨学习自他动词的一些有效方法.

摘要： 本发明涉及一种多动词汉语概念复合块的动词层次分类的方法，包括以下步骤：步骤1)对汉语句子进行词语切分和词性标记；步骤2)将所述句子分割为小句；步骤3)将所述小句中的多个动词进行层次划分；步骤4)将动词分为两类；步骤5)利用改进的CCC分析器对动词进行分析；步骤6)针对多动词的小句进行分析直到队列元素为空。本发明可以减少因动词的层次分析错误而导致的句子整体层次错误，从而提高组块分析的准确性，为后续进行复杂句的句法语义分析打下了很好的基础，可以很好地满足实际应用的需要。

摘要： 一种基于深度学习的动词短语省略消解方法，它属于计算机人工智能技术领域。本发明解决了现有动词短语省略消解方法存在的触发词判断和先行短语识别准确率低的问题。本发明对确定好的数据集1和数据集2进行预处理；判断触发词的过程加入了对句子上下文特征和句子级特征的提取，将提取的句子特征转化为向量输入支持向量机，进而根据支持向量机的输出结果确定输入句子的触发词；最后利用多层感知机，从触发词生成的多个候选先行短语中识别出正确的先行短语。本发明提取句子特征时加入了上下文特征和句子级特征，可以使触发词判断的准确率达到90％左右，先行短语识别的准确率达到85％以上。本发明可以应用于计算机人工智能技术领域用。

摘要： 本发明公开了一种基于关键动词特征全密度传递的服务机器人指令解析方法。在已知应用环境下工作，构建服务机器人的各种候选服务下的各种服务指令文本的数据库，对服务指令文本进行预处理；将数据库划分为训练集和验证集；采用斯坦福文本分析工具对每条服务指令文本进行分词，获得关键动词的上下文特征；搭建全密度双向长短期记忆网络模型，用训练集训练模型参数，验证集进行超参数调试；针对待测的一段文本指令处理提取获得候选服务的类型及其候选服务下的指令语义。本发明将服务指令解析任务转化为框架分类及框架填充两个子任务，通过精准地捕捉提取到带有冗余信息的服务指令文本中的核心要素，用于辅助机器人理解复杂的指令意图。

摘要： 本发明公开了一种基于关键词和动词依存的中文实体关系抽取方法，以大规模非结构化自由文本为目标文本，首先对文本进行分词、抽取关键词，形成文本关键词词库；然后对文本进行分句、分词、词性标注、命名实体识别、依存句法分析处理，结合命名实体词库和关键词词库构建实体语料库；根据中文句子构成特点、句法结构以及词语间的依存关系从动词出发构建实体关系句法规则，再对文本中每个句子进行关系句法规则的匹配；最后输出关系三元组，得到文本关系三元组集合。本发明能够使大规模中文文本的实体关系抽取更加有效，更加精确。

摘要： 本发明涉及机器翻译技术领域，尤其涉及一种面向神经网络机器翻译的日语动词识别、词性标注方法及系统。该方法包括以下步骤：S100、删除日语文本中的左邻接标志和结尾标志的特殊词汇；S200、查找选取得到候选动词；S300、切分得到待还原候选动词，对候选动词进行还原，若验证其正确，则该候选动词还原成功；S400、对还原成功的动词及其变形词尾进行切分，标注词性及其语法意义。本发明通过加入二次判断机制及完善复合动词的识别处理规则，提高了动词识别的准确度；同时对动词及其变形词尾进行词干、词尾、可能表现、时、态、情态的切分，有效提高了词法分析的准确性，从而有效提升了译文质量。

摘要： 本发明涉及一种多动词汉语概念复合块的动词层次分类的方法，包括以下步骤：步骤1)对汉语句子进行词语切分和词性标记；步骤2)将所述句子分割为小句；步骤3)将所述小句中的多个动词进行层次划分；步骤4)将动词分为两类；步骤5)利用改进的CCC分析器对动词进行分析；步骤6)针对多动词的小句进行分析直到队列元素为空。本发明可以减少因动词的层次分析错误而导致的句子整体层次错误，从而提高组块分析的准确性，为后续进行复杂句的句法语义分析打下了很好的基础，可以很好地满足实际应用的需要。

摘要： 本发明公开了一种古汉语文本的一体化自动词法分析方法，包括以下步骤：采用Word2Vec模型预训练得到具有语义特征的古汉语的字向量；将历朝历代文献中出现过的信息数据加入到古籍专名数据库中形成若干专有名词词条；调整Bi‑LSTM‑CRF神经网络模型的各参数，将所述最终训练语料预处理成模型可读的形式，加载到所述神经网络模型中，不断迭代学习，并对测试语料的标注结果进行自动评价。本发明采用断句、分词、词性标注一体化的标注方法，省去了词法分析多项子任务的重复标注过程，也避免了重复标注错误的多级扩散；本发明采用深度学习模型，可以自动学习到丰富的语言特征，省去了传统机器学习中人工定制特征模板的工作；本发明所述的标注模型采用GPU硬件加速，可以大大缩短模型训练的时间，效率比传统的机器学习模型要高很多。

摘要： 本发明提供一种自动词曲创作系统及方法，其包括：基于多媒体资料库的排名顺序，通过神经网络分析受欢迎音乐的曲调架构以建构曲调组合模型的曲调分析引擎；基于该多媒体资料库的排名顺序以及文字资料库，通过神经网络分析受欢迎音乐的歌词架构及分析来自该文字资料库的词句架构以建构歌词组合模型的曲调分析引擎；提供各种曲风属性或各种风格属性的预设框架的风格选择单元；根据该歌词组合模型提供多个填词栏位的对应歌词集以供选择或修改的歌词选择单元；以及根据该曲调组合模型提供多个填曲栏位的对应曲调集以供选择或修改的曲调选择单元。

摘要： 本发明公开了一种古汉语文本的一体化自动词法分析方法，包括以下步骤：采用Word2Vec模型预训练得到具有语义特征的古汉语的字向量；将历朝历代文献中出现过的信息数据加入到古籍专名数据库中形成若干专有名词词条；调整Bi‑LSTM‑CRF神经网络模型的各参数，将所述最终训练语料预处理成模型可读的形式，加载到所述神经网络模型中，不断迭代学习，并对测试语料的标注结果进行自动评价。本发明采用断句、分词、词性标注一体化的标注方法，省去了词法分析多项子任务的重复标注过程，也避免了重复标注错误的多级扩散；本发明采用深度学习模型，可以自动学习到丰富的语言特征，省去了传统机器学习中人工定制特征模板的工作；本发明所述的标注模型采用GPU硬件加速，可以大大缩短模型训练的时间，效率比传统的机器学习模型要高很多。

摘要： 本发明涉及一种用于汉字输入法的自动词组提取技术。当输入一组输入码ABCDEF之后，该技术先从预先储备的海量自然文本中检索到符合输入码A的汉字，再查表得到其后一字对应的输入码X，如果X＝B，则继续将后续汉字的输入码分别与CDEF比较，直至完成。最终得到的一串输入码分别与ABCDEF匹配的汉字序列，即为自动提取出的词组。其意义在于，对于一个既有的海量自然文本，其中的任意连续汉字序列均可成为有效的词组。