词义辨析

摘要： 历年英语中考对名词的考查题型多为词汇或单选题,主要考查“词义辨析”,也有考查名词单复数及所有格。命题者从词义理解设题,题干上下文提供一些“暗示”信息,考查学生语境理解判断词义的能力。本文结合近年中考真题及模拟题,综述名词单复数及所有格相关知识及解题技巧。

摘要： 提高语言文字运用能力是提升学生的综合素养的关键。提高语言文学运用能力,用好“词句段”三要素是关键。词句段运用的特点是将词语积累、词义辨析、句子解析运用熟练,从而将阅读、写作、词句积累等各个板块融合在一起,促使学生展开系统化的语言文字应用训练,提升学生的综合素养。

摘要： 古汉语中同义词很丰富,但大多实际上并非意义完全相同的同义词,而是存在着细微的差异。因此,对同义词的辨析可以将二者区分,进而促进对词汇概念的理解并提高词汇使用的准确性。该文将从词源的角度入手,比较“歌”“谣”的差别,并得出结论:“歌”侧重于较为正式的演唱方式,并且有配乐相和,但其又不失由感而咏的民俗色彩,而其中具有随情性和朴实之美的部分,则可以被归纳为“谣”。因此,在音乐语境下,“歌”的概念是大于“谣”的,并可以看作是“谣”在官方系统影响下的一种体式化演变。

摘要： "八抬八绰"常用来形容出行规格高、声势大.这个词语有多种说法和写法,如"八抬八扱""八抬八插""八抬八擦""八抬八簇""八抬八撮"等.这组词语应该分为两类,"八抬八绰""八抬八扱""八抬八插""八抬八擦"是一类,"绰"等义为扶;"八抬八簇""八抬八撮"是一类,"簇"等义为围拥."八抬八绰"等与"八抬八簇"等是同义词关系.

摘要： “几”和“多少”是我们日常会话中出现频率很高的疑问代词。这两个词在表达“询问数量”这一意义时,很多情况下是可以互相替换的。但是,它们之间也存在部分区别:疑问代词“几”表达“询问数量”的意义时,必须搭配单位词才能出现在句子里,“多少”可以搭配单位词出现,也可以不搭配单位词出现;“几”的搭配对象一般数量都不大,而“多少”的搭配对象数量一般都相当可观;作疑问代词的“几”只有“表示询问数量”这一个意义,而“多少”却有“表示询问数量”和“表示不定的数量”两个意义。

摘要： "几"和"多少"是我们日常会话中出现频率很高的疑问代词.这两个词在表达"询问数量"这一意义时,很多情况下是可以互相替换的.但是,它们之间也存在部分区别:疑问代词"几"表达"询问数量"的意义时,必须搭配单位词才能出现在句子里,"多少"可以搭配单位词出现,也可以不搭配单位词出现;"几"的搭配对象一般数量都不大,而"多少"的搭配对象数量一般都相当可观;作疑问代词的"几"只有"表示询问数量"这一个意义,而"多少"却有"表示询问数量"和"表示不定的数量"两个意义.

摘要： "捹"是四川方言中的常用词.它记录了两项词义:表"蘸取"义,本字为"坌","和匀,搅拌"义从"蘸取"引申而来;表"用力挣脱或拉扯"义,或作"奔".本文结合历史材料,对四川方言"捹"字的词义及其来源进行梳理.

摘要： 《博雅汉语(高级飞翔篇Ⅲ)》中的生词是丁级词及部分超纲词。其中,词义辨析对汉语教师来说是一个教学难点,对汉语学习者来说是一个学习难点。用义素分析法进行词义辨析,可以揭示词语内部结构,放大近义词的细微差距,有助于教师教学,有助于学生习得。

摘要： 新高考考情分析一、题型、题量及分值变化2021年新高考英语试卷相较于传统全国卷,在题型、题量及分值上均有所调整。其中,完形填空试题的题量由20题减至15题,每小题的分值由1.5分调整至1分,总分由30分减至15分。二、考点分布完形填空部分仍注重对实词的考查,尤其是动词和形容词的词义辨析。

摘要： 综观全国比较有代表性的近70套2021年中考语文试题,古诗文阅读试题的总体特点是守正出新,稳中有变。从素材来源上看,文言文阅读完全从课内选文的几乎没有,课内外选文比较阅读和纯课外文段阅读依然是中考命题选文的趋势。主要考点依然是词义辨析、翻译句子、断句、内容理解等。内容理解类试题的具体考点有:写景记游类文本阅读,偏重于考查景物特点、写作手法、文章的思想内涵;写人记事类文本阅读,偏重于考查对典型人物形象的分析与概括、学生从文本中获得的启示;议论说理类文本阅读,偏重于考查文本所传达的哲理、文章论证思路,学生受到的启示或产生的感悟。

摘要： 《内经》是产生于先秦两汉时期奠定中医学理论基础的经典著作,为了适应当时医学的迅速发展,《内经》中出现了许多新的医学词义.本文就《内经》中的"疮、疡、疰、痱、疹、痏"六个词与先秦两汉时期词义进行比对探讨,研究其在《内经》中的创新意义.

摘要： 《黄帝内经》是我国医学宝库中现存成书最早的一部医学典籍,是中医学的奠基之作,不仅丰富了医学应用词汇,而且增加了"疮"、"疡"、"疰"、"痱"、"疹"、"痏"的新词义,文章对这六个词的词义进行了辨析.

摘要： 在航空航天等高尖端科技翻译领域,翻译必须精准,特别是在科研设计阶段,战技指标的确定,决定着飞行器的设计方案,也直接影响项目的研制费用.本文以航空发动机寿命指标计算为例,列举了一些表述时间的俄语词汇及其常见搭配表达形式,并尝试着从技术上和词义上进行辨析,以体现出辨析的实际意义.这些词汇不仅在所述领域运用,在飞行器及其成附件设计等航空、航天领域都有着广泛的运用.掌握这些词汇,对科技俄语翻译来说,是极其必要的.

摘要： 在航空航天等高尖端科技翻译领域,翻译必须精准,特别是在科研设计阶段,战技指标的确定,决定着飞行器的设计方案,也直接影响项目的研制费用.本文以航空发动机寿命指标计算为例,列举了一些表述时间的俄语词汇及其常见搭配表达形式,并尝试着从技术上和词义上进行辨析,以体现出辨析的实际意义.这些词汇不仅在所述领域运用,在飞行器及其成附件设计等航空、航天领域都有着广泛的运用.掌握这些词汇,对科技俄语翻译来说,是极其必要的.

摘要： 在航空航天等高尖端科技翻译领域,翻译必须精准,特别是在科研设计阶段,战技指标的确定,决定着飞行器的设计方案,也直接影响项目的研制费用.本文以航空发动机寿命指标计算为例,列举了一些表述时间的俄语词汇及其常见搭配表达形式,并尝试着从技术上和词义上进行辨析,以体现出辨析的实际意义.这些词汇不仅在所述领域运用,在飞行器及其成附件设计等航空、航天领域都有着广泛的运用.掌握这些词汇,对科技俄语翻译来说,是极其必要的.

摘要： 在航空航天等高尖端科技翻译领域,翻译必须精准,特别是在科研设计阶段,战技指标的确定,决定着飞行器的设计方案,也直接影响项目的研制费用.本文以航空发动机寿命指标计算为例,列举了一些表述时间的俄语词汇及其常见搭配表达形式,并尝试着从技术上和词义上进行辨析,以体现出辨析的实际意义.这些词汇不仅在所述领域运用,在飞行器及其成附件设计等航空、航天领域都有着广泛的运用.掌握这些词汇,对科技俄语翻译来说,是极其必要的.

摘要： 本文对十二五国家级规划教材《医古文》教材《扁鹊传》中的几个词语进行辨析,笔者认为:"血脉治也"的"治"当是"阻滞"之义:"揲荒爪幕"当作"揲荒幕";"咳婴之儿"的"咳婴"当是"幼小"之义;"流涕长潸,忽忽承睫"的"长潸"当是"泪水长长地垂下",而"忽忽"当是"迅速貌"."臣是以无请也"的"请"当是"告诉"之义.

摘要： 本文对十二五国家级规划教材《医古文》教材《扁鹊传》中的几个词语进行辨析,笔者认为:"血脉治也"的"治"当是"阻滞"之义:"揲荒爪幕"当作"揲荒幕";"咳婴之儿"的"咳婴"当是"幼小"之义;"流涕长潸,忽忽承睫"的"长潸"当是"泪水长长地垂下",而"忽忽"当是"迅速貌"."臣是以无请也"的"请"当是"告诉"之义.

摘要： 本文对十二五国家级规划教材《医古文》教材《扁鹊传》中的几个词语进行辨析,笔者认为:"血脉治也"的"治"当是"阻滞"之义:"揲荒爪幕"当作"揲荒幕";"咳婴之儿"的"咳婴"当是"幼小"之义;"流涕长潸,忽忽承睫"的"长潸"当是"泪水长长地垂下",而"忽忽"当是"迅速貌"."臣是以无请也"的"请"当是"告诉"之义.

摘要： 本发明公开了涉及人工智能技术，公开了一种词义识别模型训练、词义判断方法、装置、设备及介质，该方法对第一待训练句子以及第二待训练句子进行文本预处理，得到初始训练文本；将初始训练文本输入至包含初始参数的预设识别模型中，得到文本分类向量、第一词向量以及第二词向量；根据文本分类向量、第一词向量以及第二词向量，确定与待训练句子组对应的预测词义标签；根据目标词义标签和预测词义标签，确定预设识别模型的预测损失值；在预测损失值未达到预设的收敛条件时，迭代更新预设识别模型中的初始参数，直至预测损失值达到收敛条件时，将收敛之后的预设识别模型记录为词义识别模型。本发明提高了词义识别准确率以及词义消歧准确率。

摘要： 一种基于上位词的词义消歧方法和设备、利用该词义消歧方法的词义扩展方法和设备、以及计算机可读存储介质。该词义消歧方法包括：接收输入语句(S101)；基于预定歧义词库，确定所述输入语句中的消歧目标词(S102)；基于对所述输入语句的句法分析以及上下文信息分析，确定所述目标词的相关词(S103)；确定所述相关词的一个或多个上位词(S104)；以及基于所述相关词以及所述一个或多个上位词的词形，词性及与目标词的句法关系，确定所述目标词在所述输入语句中的词义(S105)。

摘要： 本发明涉及自然语言处理技术领域，具体涉及一种基于随机游走的词义排歧和词义学习方法，其特征在于：采用如下步骤：步骤一、采用随机游走方法指对待标数据进行分类；步骤二、判断是否需要构造新类，若需要，则构造一个新类并考虑是否和以前的类进行合并；然后再进行随机游走分类。如果没有必要产生新类，则意味着结束；步骤三、对未标注的数据进行词义判定；它将词义排岐和词义学习抽象为一个更一般的基于部分指导的词义学习问题，为词义学习增加一部分指导，同时为词义排岐减少一部分指导；其从应用上说，有助于提高词义处理系统的鲁棒性、有助于建造义项级别的词汇资源，包括检测现有词汇语义资源的一致性、补充和丰富现有的词汇资源。

摘要： 本发明涉及一种基于上位词的词义消歧方法和设备，以及利用该词义消歧方法的词义扩展方法和设备。该词义消歧方法包括：接收输入语句；基于预定歧义词库，确定所述输入语句中的消歧目标词；基于对所述输入语句的句法分析以及上下文信息分析，确定所述目标词的相关词；确定所述相关词的一个或多个上位词；以及基于所述相关词以及所述一个或多个上位词的词形，词性及与目标词的句法关系，确定所述目标词在所述输入语句中的词义。

摘要： 本发明涉及一种基于图卷积神经网络(Graph Convolution Network，GCN)融合支持向量机(Support Vector Machine，SVM)的中文词义消歧方法。本发明首先预处理语料。对训练和测试语料的语句进行分词、词性标注和语义标注处理。以歧义词所在的句子以及歧义词两侧词汇单元的词形、词性和语义类作为消歧特征，消歧特征作为节点来构建词义消歧图。使用Word2Vec、Doc2Vec工具、逐点互信息(PMI)、TF‑IDF算法对图中节点和边的权值进行计算。训练语料训练GCN模型，将模型优化。利用优化后的GCN模型计算训练和测试语料的消歧特征，再将训练语料计算后的消歧特征输入SVM分类器中，优化SVM分类器，再对测试语料进行分类，得到歧义词汇在语义类别下分类情况。本发明具有较好的词义消歧效果，准确的判断歧义词汇的真实含义。

摘要： 本发明涉及一种基于图注意力神经网络(Graph Attention Network，GAT)的生物医学英文词义消歧方法。本发明首先对生物医学英文语料进行预处理。该步骤对训练语料和测试语料包含歧义词汇的语句进行词性标注和语义标注处理。以歧义词汇所在的句子，以及句中所包含的词形、词性和语义作为消歧特征，将消歧特征作为节点来构建词义消歧特征图，利用训练语料训练GAT模型，将模型进行优化。利用优化后的GAT模型，对测试语料进行词义消歧，可得到歧义词汇在各个语义类别下的概率分布。将概率最大值对应的语义类判别为歧义词汇的语义类。本发明具有较好的词义消歧效果，更准确的判断歧义词汇的真实含义。

摘要： 本发明提供一种基于词义分布假设构造的语言处理的方法和系统，通过将语句输入句法模型中，进行初步断句，得到第一词分量，将所述第一词分量逐个输入语义分析模型，得到第二词分量，获取当前语句的上文，根据上文的含义预测出接下来的候选词组，将其与第二词分量匹配，根据匹配结果赋予第二词分量的含义，进而得出语句的含义。

摘要： 本发明涉及一种基于知识图谱词义消歧的书评文本分类方法，属于自然语言处理技术领域。该方法包括：S1：获取书评文本数据集；S2：将文本进行分段处理；S3：对分段后的文本进行聚类并标签化，每个文本片段对应各自的外部知识实体；S4：词级文本预处理；S5：计算词级文本间的语义相似度、余弦相似度、目标函数以及得分；S6：提取文本片段的特征；S7：利用层次注意力网络提取各文本片段的特征信息，再对文本片段的特征信息进行一次层次注意力网路的文本处理，最终得到的特征信息经归一化处理完成文本分类。本发明能有效处理篇章级别的长文本数据。

摘要： 本发明提供一种基于视觉建模和词义分析的VR内容库的构建方法，包括步骤1、获取真实物体的图像数据，根据图像数据建模后得到三维模型导入VR内容库；步骤2、获取真实物体的物理属性，将物理属性对应映射至三维模型，同时生成基于三维模型的属性标签和属性标签集合导入VR内容库；所述物理属性包括颜色、形状和真实物体所处的场景；步骤3、获取剧本，对剧本进行词义分割后提取词义信息，然后基于词义信息检索三维模型，与三维模型及其属性标签匹配。本发明所述的方法结合虚拟现实内容的制作需求为虚拟现实内容制作匹配所需道具模型，从而提高制作效率、降低人力成本。

摘要： 本发明涉及一种基于孪生神经网络(SiameseNeuralNetwork)的英语句子词义消岐方法。本发明首先对英语语料进行数据清洗，然后对包含歧义词汇的英语句子进行分词、词性标注和语义标注，将其划分为训练语料和测试语料，然后构建训练样本对和测试样本对。通过训练样本对对孪生神经网络进行训练，得到优化后的孪生神经网络模型；在优化后的孪生神经网络模型上，使用测试样本对进行预测分类，得到歧义词汇在每个语义类别下的概率分布；具有最大概率的语义类别即为歧义词汇的语义类别。本发明对歧义词汇实现了很好的消岐，更准确地判断歧义词汇的真实含义。