名词化

摘要： 语言学里,单元音化、元音高化、辅音塞化、辅音擦化、实词虚化、名词化、动词化、语法化、范畴化、语境化等一些概念具有一个共同的形式特征,即它们都是“X化”现象。解正明博士的学术专著《认知生物语言学与六书模型研究》(中国国际广播出版社2021年版,以下简称解著)认为,语言学里这种“X化”现象体现出一个十分重要的语言机制,即大脑中的语言信息代谢机制。

摘要： 2020年,新冠疫情在全球爆发。中国作为第一个报告发现COVID-19病毒的国家,成为全球媒体报道的焦点。中国在抗疫过程中展现出来的“生命高于一切”的人本思想,和“举国同心”的执行力,得到了国际社会的广泛认可和支持。然而,基于意识形态偏见和国际竞争考虑,也会有一些颠倒黑白的声音,刻意抹黑中国。名词化是语法隐喻最重要的手段。文章选取《纽约时报》的两篇新冠疫情涉华新闻报道为语料,对其中名词化的使用进行批评性话语分析,揭示语言现象背后所隐藏的意识形态。

摘要： 概念语法隐喻是语篇中极为重要和普遍的语言现象,其用名词体现过程、特征等,使得词汇语法层所表达的表层意义和话语意义层所表达的深层意义变得不一致。概念语法隐喻在高中英语概要写作中可以起到凝练主题、增加语篇的信息密度、提升语言质量、推进语篇衔接连贯的作用。

摘要： 系统功能语言学着眼于语言的功能性,并确定了语法隐喻这一关键语言工具。语法隐喻对航海英语名词化产生互文作用,互文动态名词组在语法隐喻作用下通过词汇链接激活了远超出文本本身的信息。互文类型分为显性和隐性两种,显性互文动态名词组使文本与之前内容相结合,而隐性动态名词组则使文本具有语域和主题的背景知识。互文机制实现了航海学术文本的凝聚力。

摘要： 名词化是构建概念语法隐喻的有力方式,在英语写作中具有重要地位,但目前我国中学生使用名词化进行写作的能力较低,文章质量不高。为指导学生合理运用名词化提高英语写作水平,本文阐释了名词化的内涵及相关理论背景,并举例分析名词化在英文写作中的四大语篇功能,最后提出运用名词化提高中学生英语写作能力的途径。通过分析,可以发现名词化能使语篇简洁凝练、结构紧凑、逻辑严谨、精准客观,因此教师在写作教学中应该注重培养学生恰当使用名词化的能力,进而促进学生英语写作水平的提升。

摘要： 名词化是学术语篇和各类正式书面语体的基本特征,是第二语言发展的高级阶段和难点,诸多学者倡导开展名词化教学研究,但尚缺乏教学理论建构。鉴于此,本研究把系统功能语言学的名词化理论研究成果转化为名词化语言教学理论,以“产出导向法”为指导建构了基于英语名词化教学目标、教学要素和产出活动三者之间相互作用关系的教学模型,并提出了教学要素完整性、教学单位系统性、教学内容递进性、产出活动充分性四个教学原则。

摘要： 名词化作为语言使用中的一种普遍现象,经常出现在翻译语言之中。因为不同国家在语言认知方面及表述方式上都存在一定的差异,如此也会使得名词化现象出现差异性。在语料库的驱动下,研究翻译语言名词化异常现象的各种表现,相应地在词汇、词组、句子等层次选择适当的翻译策略,以供参考。

摘要： 在水利水电英语当中,有大量的名词术语采用V-ing形式表达.英语中的V-ing名词化现象指V-ing形式失去动词特征,只留名词特性的现象.V-ing名词则指以ing形式结尾的名词.本文以我国现行水利行业标准《水利水电工程技术术语标准》为例,从语义角度分析V-ing名词与普通名词的异同,并发现,相比于普通名词形式,V-ing名词含有其特定含义,在语义上它更加具有延续性,语境偏向于正在进行,它的动作性意味较强,并且具有描写色彩.

摘要： 随着中德两国之间的合作,尤其是在科技领域的合作日益密切,德汉科技翻译成为值得关注的重点。其中名词化是这类科技语篇的典型特征,也被视为语法隐喻的焦点。语法隐喻是Michael Halliday于二十世纪六十年代提出的系统功能语法理论框架下的重要学说。本论文建立在"今日科创"语料库的基础上,研究将汉语源文本译为德语目标文本时出现的名词化现象,旨在从语法隐喻的角度探究这一结构得以广泛运用的原因,为科技语篇名词化翻译提供启示。

摘要： 以名词化的定义为出发点,从理论、文本体裁及教育教学三个视角,分别将近年来国内外学者对名词化的研究进行归纳、总结,从而揭示名词化的内在规律及功能,并为二语学习者应用英语名词化结构提供一些建议。

摘要： 本发明属于人工智能的自然语言处理子领域，提供了一种基于汉语简单名词短语的汉语最长名词短语识别方法。包括如下步骤：S1数据预处理；S2选用SVM方法，训练汉语SNP识别模型，识别出汉语SNP；S3使用缩略替换方法简化文本，得到新的训练及测试语料；S4在经S3处理得到的新语料中，再次提取样本集，针对简化后的汉语MNP进行模型训练、识别；S5还原语料，还原后的汉语MNP为本方法最终识别结果。本发明的汉语MNP识别方法可以降低汉语MNP在自动识别中因其长度过长、语义及结构复杂等因素带来的不利影响，因此能有效提高汉语MNP的识别效果。

摘要： 本申请实施例提供了一种复合名词的解释方法、装置及电子设备，该方法包括：基于不同角度生成表征目标复合名词的语义的多个语义特征向量；拼接多个语义特征向量在目标向量空间的各映射结果，得到多角度语义特征向量；基于多角度语义特征向量，确定目标复合名词中第一名词与第二名词的语义关系；在语义关系正确表征第一名词和第二名词语义之间的关联的情况下，将语义关系确定为目标复合名词的释义。本申请实施例从多角度考虑，提升了多角度语义特征向量的准确率，进而提升了语义关系的准确率。

摘要： 本发明涉及一种对于无字间空格语言文字权利要求书的元件名词及元件名词所属位置自动得出设备，其中，包括：基本排除文字纪录排除装置、可删文字纪录排除装置、单个文字纪录排除装置以及进阶排除文字纪录排除装置；无字间空格语言文字权利要求书文字C‑Text中经排除基本排除文字后的连续文字作为基本排除文字连续文字，该基本排除文字排除连续文字中经排除可删文字后的连续文字作为可删文字删去连续文字，经排除单个文字后的可删文字删去连续文字作为初步元件名词，该初步元件名词中经排除进阶排除文字后的连续文字作为该得出的元件名词。

摘要： 本发明涉及一种将权利要求书中的权利要求元件名词所属元件名词对应标号予以对应的对应方法，包含元件名词对应标号撷取对应步骤及元件名词对应标号关系对应步骤，该元件名词对应标号撷取对应步骤根据名词词首及词性规则撷取出权利要求元件名词及/或说明书元件名词，或者根据断句单字将说明书中的说明书元件名词可能字串而予以撷取出，而该元件名词对应标号关系对应步骤为将元件名词对应标号撷取对应步骤所撷取出的权利要求元件名词所属元件名词对应标号予以建立对应于权利要求书的权利要求元件名词的对应关系。

摘要： 本发明属于人工智能的自然语言处理子领域，提供了一种基于汉语简单名词短语的汉语最长名词短语识别方法。包括如下步骤：S1数据预处理；S2选用SVM方法，训练汉语SNP识别模型，识别出汉语SNP；S3使用缩略替换方法简化文本，得到新的训练及测试语料；S4在经S3处理得到的新语料中，再次提取样本集，针对简化后的汉语MNP进行模型训练、识别；S5还原语料，还原后的汉语MNP为本方法最终识别结果。本发明的汉语MNP识别方法可以降低汉语MNP在自动识别中因其长度过长、语义及结构复杂等因素带来的不利影响，因此能有效提高汉语MNP的识别效果。

摘要： 本发明提供了旅游实体名词匹配方法、系统、设备及存储介质，该方法包括：基于旅游景点POI信息建立旅游实体名词词典；将所述旅游实体名词词典数据输入神经网络模型进行训练，并保存训练好的旅游实体名词预测匹配模型；以及将一待匹配的实体名词输入所述旅游实体名词词典和所述旅游实体名词预测匹配模型进行匹配，得到匹配输出。本发明能够对于旅游实体名词，根据匹配的相似度，优化实体词典匹配的结果，且针对词典覆盖不到的范围，利用模型的泛化预测能力，有效补充词典匹配结果缺失的情况。

摘要： 本发明公开了基于编辑距离的中文名词筛选方法及系统及装置及介质，涉及文本处理领域，包括：构建数据字典，其中，所述数据字典中词以组为单位进行存储，每个词组均对应一个词引和多个相似词语；获得基准词，将所述基准词与所述数据字典中的词引进行匹配，若匹配成功则获得该词引对应的多个相似词语；将匹配获得的多个相似词语与所述基准词进行组合获得筛选词组；计算筛选词组中的每个词语与筛选数据集中的每个词语之间的相似度；从所述筛选数据集中筛选出所述相似度大于阈值对应的词语获得筛选结果；本发明采用数据字典，扩大名词数据筛选的范围，提高数据筛选的准确度。

摘要： 本公开提供了一种由计算机实现的专有名词纠错方法，涉及自然语言处理，尤其涉及专有名词的识别。实现方案为：基于第一文本内容获取多个候选分词；响应于确定多个候选分词中的第一候选分词与预设的专有名词库中的第一专有名词相匹配，通过将第一文本内容中的第一候选分词替换为特定标识符而生成第二文本内容；基于第一文本内容和第二文本内容，确定是否替换第一候选分词；以及响应于确定替换第一候选分词，将第一文本内容中的第一候选分词替换为第一专有名词。

摘要： 本公开提供了一种术语名词纠错方法及装置、电子设备和介质，涉及人工智能领域，尤其涉及自然语言处理、数据挖掘和机器学习技术领域。实现方案为：对待纠错文本进行文本片段识别，以获取第一文本片段，其中，第一文本片段的长度小于待纠错文本，并且第一文本片段包含至少一个待识别是否存在错误的术语名词；基于第一文本片段，获取第一术语名词，其中，第一术语名词是经识别存在错误的术语名词；基于第一术语名词，确定第二术语名词以替换所述第一术语名词。

摘要： 本发明提供一种从新闻页面中自动提取机构实体名词的方法，包括：对新闻页面中文本内容进行提取解析；进行去重过滤处理，并对空格、标题、符号进行删除，获得待输入文本内容；将待输入文本内容输入标注模型中进行序列处理，获得文本内容中各单词预测标签；将各单词预测标签与现有实体名词数据库进行对比，确认各单词预测标签对应的实体名词类别；将新闻页面与实体名词和实体名词对应类别进行对应并入库。本发明能快速对新闻页面中的实体名词进行提取，并将新闻内容与名称、类别进行对应标记形成结构化数据。