语义类别

摘要： 本文从形式特征、语义类别、语用效果三个方面分析疫情背景下的谐音修辞,论述了汉字(词语)谐音、数字谐音、英汉谐音、谐音双关、谐音仿拟和谐音别解等形式,探讨了常态化防控类、复工复产类和疫情反思类三个类别,认为巧妙地运用谐音修辞可以凸显语言的经济性,彰显语言的适应性,突出语言的新奇性。

摘要： 该文基于中国学生英语笔语语料库WECCL 2.0和英语本族语者作文语料库LOCNESS,使用构式搭配分析法对比分析了中国英语学习者和英语本族语者“It be ADJ to”构式搭配形容词的使用差异及其语义分类。研究发现,中国英语学习者更偏向使用必要性/重要性形容词,但对事件重要性的概念化缺乏多样性和具体性,而英语本族语者更倾向于使用表示难易度的形容词;相对英语本族语学生,中国学生在使用“It be ADJ to”构式时,词汇的丰富性和复杂度较低;在立场标记方面,英语本族语者搭配形容词更加多样,而中国学习者使用的肯定程度类形容词更加丰富。

摘要： 研究从语义类别和语法标记型式的角度对比分析中外学者学术论文中立场形容词的使用特征。结果表明,在语义类别方面,中国学者显著少用形容词表达认知和态度立场,立场形容词的使用意识不足;中国学者能恰当使用国际学者高频使用的立场形容词,显著少用可能性、必要性/重要性、评价和情感形容词,过多使用确定性形容词,词汇丰富度不及国际学者。在语法标记型式方面,中外学者主要使用隐性手段和“形容词+不定式补足语”结构表达立场;倾向使用显性手段表达能力/意愿立场,显示对其研究成果的所有权。研究对中国学者学术英语写作和教学具有借鉴意义。

摘要： 出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息.原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律.通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据.本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息构建语义交互矩阵,用以推断和描述行为目的交互模式;最后选取北京市中心为研究区域进行方法验证.结果表明,中心城区内不同类别的停留点聚集分布规律不同,围绕高校和商圈聚集较明显;工作日各类停留点的活跃度持续时间较非工作日长;工作日和非工作日行为目的交互模式差别显著,工作日以职住和工作交互为主,非工作日以休闲和居住交互为主.本文研究可以为城市规划管理、资源调度和应急管理提供一定的决策支持.

摘要： 研究从语义类别和语法标记型式的角度对比分析中外学者学术论文中立场形容词的使用特征.结果表明,在语义类别方面,中国学者显著少用形容词表达认知和态度立场,立场形容词的使用意识不足;中国学者能恰当使用国际学者高频使用的立场形容词,显著少用可能性、必要性/重要性、评价和情感形容词,过多使用确定性形容词,词汇丰富度不及国际学者.在语法标记型式方面,中外学者主要使用隐性手段和"形容词+不定式补足语"结构表达立场;倾向使用显性手段表达能力/意愿立场,显示对其研究成果的所有权.研究对中国学者学术英语写作和教学具有借鉴意义.

摘要： 文章对《语文词典语义类别释义的多维研究》一书内容进行评述,在此基础上,试从宏观指导思想之转变、具体指导理论之融合、语文词典研法之创新等三个维度阐明其特色.文章指出,基于语义类别的释义研究符合当代语义学系统观之整体趋势,有助于深化汉语文词典释义之系统性研究,对促进汉语文词典编纂实践与释义理论发展皆有重要意义.

摘要： 本文在对汉语颜色词联想进行调查问卷和引用俄语联想词典数据的基础上,建立汉语和俄语颜色联想词汇库,标注联想词汇的语义类别和正负价,分析及对比汉、俄民族对颜色词认知联想的异同,解析汉、俄民族对外部世界的认知差异.分析结果证实,在透过颜色体现的思维认知和世界认知方式无显著差异的基础上,汉民族对外部世界认知和评价更细腻,更具规约性,俄民族对外部世界认知和评价更粗犷,更具创造性.最后,本文提出在外语词汇教学和跨文化交际教学中应关注目标语词汇联想语义的建议.

摘要： 目的:探讨图片的语义类别对命名任务的影响,研究生物类和非生物类图片命名任务对正常大脑活动时空模式的影响.方法:入组健康成年右利手受试者10例,选取来自不同语义类别(生物类和非生物类)的图片20张,应用磁共振成像获取个体大脑结构,脑磁图(MEG)检测任务中的全脑活动.结果:在图片命名任务中,早期脑区激活从双侧枕叶开始,逐步向颞叶和顶叶扩散,最后额叶激活产生言语.在视觉相关时间窗内,生物类图片命名在右侧扣带回激活强度显著低于非生物类图片命名(P=0. 0475),而生物类图片命名在双侧枕叶、左侧顶叶和左侧额叶均显著高于非生物类图片命名(均P＜0. 05).在语义相关时间窗内,生物类图片命名在双侧额叶显著高于非生物类图片命名(P＜0. 05).在语音相关时间窗内,生物类图片命名在双侧枕叶、左侧顶叶和左侧额叶均显著高于非生物类图片命名(均P＜0. 05).结论:生物类和非生物类图片命名相比,两者在颞叶的活动未见显著差异,但前者具有枕叶、顶叶和额叶优势激活.提示生物类图片可以更好地在相关时间窗内刺激相关功能脑区.

摘要： @@《现代汉语词典》（以下简称<现汉》）是一部具有代表性、权威性的规范语文工具书本文主要以《现代汉语词典》3-5版收录的字母词语为考察对象，分析《现汉》中字母词语语义类别和释义方面的变化。

摘要： 考察现代汉语中以名词做中心语的名词短语里中心语和定语的语义类别以及语义类别与定中搭配的关系,为计算机对名词短语的处理提供语义方面的基础.研究以《现代汉语辞海》和《同义词词林》提供的材料为基础在计算机上进行.介绍了研究的步骤、得到的有关数据及结论:与语义类别相同的名词搭配的词语的语义类别相同或基本相同;与语义类别相近的名词搭配的词语的语义类别有同有异;与语义类别不同的名词搭配的词语的语义类别不同或者相差很远.

摘要： 根据示例实施例，描述了基于序列语义嵌入和并行学习的大规模类别分类。在一个示例中，通过在以下二者之间进行比较来识别一个或多个最接近的匹配：(i)与发布的至少一部分相对应的发布语义向量，所述发布语义向量基于将所述发布的所述至少一部分投射到语义向量空间中的第一机器学习模型，以及(ii)与来自多个类别的相应类别相对应的多个类别向量。

摘要： 本发明公开了一种异常天气下基于类别分组的道路场景语义分割方法，步骤如下：（1）准备数据；（2）将道路场景类别根据对异常天气下自动驾驶安全的重要性进行分组，保证重要类别与非重要类别分开，依据分组结果构建道路场景语义分割模型；（21）将类别根据对异常天气下自动驾驶安全的重要性进行分组；（22）依据类别分组结果构建模型；（3）输入数据到模型中，得到分割结果；（31）输入数据，提取数据特征；（32）获取全类别特征；（33）使用全类别特征编码类别关系，获取类别关系特征；（34）完成类别关系特征解码，获得分割结果；（4）模型迭代训练；（5）模型测试。本发明可保证在异常天气下重要分组的分割效果，最大程度的保证自动驾驶任务的安全进行。同时可以在异常程度较小的条件下，获得和正常模型相当的整体分割效果。

摘要： 本发明公开了一种基于多尺度类别原型的弱监督图像语义分割方法及系统，涉及计算机视觉技术领域。通过获取待处理图像特征图，设置三组原型向量集合，利用原型对特征图进行目标像素定位生成类别特征图。将类别特征图融合并进行图像分类学习；提取类别特征图中的类别激活图得到图像类别掩码，进而获得类别分割图。通过使用类别原型机制，从图像特征图中发掘类别的位置和语义，准确推断对象的语音信息和像素位置。提取语义信息后，采用多尺度原型能够更好的融合不同粒度级别的语义信息，大大提高了弱监督前置分类任务对目标的定位能力。

摘要： 本发明公开了一种基于类别同异性引导的无监督域适应语义分割方法，类别同异性的内涵包括同类特征聚合与异类特征推远，即在域适应过程中，既保证了不同域之间相同类别目标的特征尽可能靠近相同的聚类中心，同时使得不同类别目标之间的特征分布差异尽可能大。从同类特征聚合+异类特征推远出发，通过构建图像级—特征级—类别级—实例级的层级域适应策略，实现由粗到细、由浅至深的域适应效果。本发明所构建的模型全面考虑了源域与目标域之间的差异，并在通用街景语义数据集无监督域适应语义分割任务上实现了领先的性能表现。

摘要： 本发明公开了一种考虑类别语义匹配的域自适应目标检测方法及系统。该方法包括：步骤1，获取源域带标签图像和目标域无标签图像；步骤2，使用源域带标签图像训练得到经过预训练的基础目标检测器；步骤3，在经过预训练的基础目标检测器上增加域自适应组件，使用源域带标签图像和目标域无标签图像训练得到经过训练的域自适应目标检测模型；步骤4，移除增加的域自适应组件，使用经过训练的域自适应目标检测模型对目标域场景进行目标检测。本发明考虑了跨域目标检测中两域特定类别语义匹配的问题，避免源域和目标域的目标类别在共享类别空间中出现错误对齐的问题，从而促使目标检测模型在目标域上的检测性能得到进一步提高。

摘要： 本发明公开了一种用于图像语义分割的多类别损失函数及其设计方法，该损失函数基于训练数据集中各类别像素点的出现频率，通过调节加权系数、聚焦系数和负类门控系数，动态调节各类别样本在损失函数中的权值，通过迭代的方式，在模型训练的同时进行超参数选取，以确定超参数的具体取值以及损失函数的具体形式，使小类别得到更充分训练，既能缓解类别不平衡现象，也能提高模型性能。

摘要： 本发明公开了一种多光谱遥感图像城中村多类别建筑物语义分割方法及系统，所述方法包括：获取城中村区域的多光谱遥感图像；对多光谱遥感图像进行大气校正并锐化；对多光谱遥感图像中的城中村建筑物类别进行标注；将多光谱遥感图像的各波段信息转换成npy格式数据；将npy格式数据和标注图像进行随机分割，构成数据集；搭建语义分割分类器，得到建筑语义分割网络模型；对建筑语义分割网络模型设置超参数，利用数据集进行训练与参数优化，得到训练好的建筑语义分割网络模型；利用训练好的建筑语义分割网络模型对目标多光谱遥感图像进行建筑物语义分割，得到建筑语义分割图像。本发明能够有效提高遥感图像的城中村建筑物分类的精确度。

摘要： 本发明公开了一种基于双重类别级对抗网络的图像语义分割方法，属于深度学习技术领域。包括以下步骤：首先，利用类别级对抗网络基于局部语义类别一致性的思想，兼顾源域和目标域的边缘分布对齐和条件分布对齐，使得源域和目标域进行协同训练，根据不同的对齐效果来调整相应对抗损失的权重；其次，通过计算目标预测的信息熵值确定目标图像的置信水平，依据熵值大小将目标域划分为集合一和集合二；最后，利用集合一及其预测图作为伪标签，再次使用CLAN模型训练集合二图像，以减少域内差异，从而有效提升不同数据集间的自适应水平，提高算法的泛化性能。本发明基于多个数据集进行实验，验证了该方法的可行性，能够有效提高语义分割效率。

摘要： 本申请提供了一种语义类别识别方法、装置、电子设备及可读存储介质，获取待识别文本；从所述待识别文本中抽取出特征实体词；对所述特征实体词汇进行编码，得到融入上下文信息的特征表示向量；基于所述特征表示向量，利用类别分类器确定所述待识别文本所属的语义类别；若所述待识别文本不属于任何已知语义类别，确定所述待识别文本为拒识样本，输出拒识结果并暂存所述拒识样本。这样，可以通过“拒识”未知类别的待识别文本，有助于避免新类别文本的错误识别，可以提高识别结果的准确性。

摘要： 本发明涉及自动驾驶车辆感知技术领域，提供了一种融合点云语义类别和距离的聚类方法。该方法包括：基于语义分割算法对激光雷达点云数据进行分割，输出带有语义类别标签的每个点；将语义分割后的点云分割为地面点云和非地面点云；基于非地面点云，计算与种子点对应栅格数n，根据8邻域搜索实现非地面点分段参数聚类，依次将栅格内未被聚类的点执行8邻域分段参数聚类；将候选类别点数量和该类别对应的点数量阈值比较，判断出8邻域中n个栅格范围内是否有聚类做相应处理，对类别相同或不同的聚类类别相应处理。本发明提高了分割速度同时减少欠分割和过分割，滤除错误语义分割点，使得聚类类别清晰化，解决大小尺寸不同的障碍物聚类合并参数选取。