名词性

摘要： 来稿内容按顺序为:论文标题,作者姓名,工作单位(含地址、邮编),摘要,关键词,正文,注释,参考文献,英文(论文标题、作者姓名、工作单位、摘要、关键词)。1.作者姓名及单位。2.摘要:是指对这一份文献内容梗概的精确的表达,无须补充解释或评论,也就是以提供文献内容梗概为目的,不加评论介绍性语言和补充解释,简明、准确、完整地记述文献重要内容的短文。以200字左右为宜。摘要不是提要,提要是对文献内容进行简介或评述。3.关键词:是指那些出现在论文的题目、摘要或正文中,对表达论文主题内容具有实质意义的词。一般为名词或名词性的词组。3—8个,每个词之间用分号分隔。

摘要： 《首都师范大学学报》(社会科学版)是首都师范大学主办的社科类双月刊。主要反映国内外社会科学研究领域的最新动态和理论前沿。本刊注重论文的科学性、现实性、应用性。本刊实行开放式办刊,欢迎广大教学、科研人员赐稿。一、论文篇幅一般在8000-15000字左右,名家专稿、有重要创见的稿件篇幅可至25000字。二、格式:1.标题文章正题一般不超过20个字,必要时可加副标题;2.摘要和关键词摘要是对论文内容梗概做简明、准确记述的短文,不加注释和评价性文字,以200字左右为宜。关键词是反映论文主要内容的名词性术语,一般每篇3-8个,关键词之间用分号分隔;3.注释和参考文献注释主要指对文章篇名和文内某一特定内容的解释及补充说明,注释、参考文献一律采用页下注;4.英文翻译包括:题名、作者、摘要及关键词。

摘要： 一、来稿包括:题目、作者简介、单位、邮编、摘要、关键词、正文、参考文献。如有基金项目,请注明项目编号。二、作者简介:姓名(出生年—)、性别、籍贯、学历或学位、职称、职务、工作单位、研究方向。三、摘要:简述论文梗概、主要结论、特点与研究方法等,不用评价性和提示性语句。字数为200—300字。四、关键词:一般从《汉语主题词表》中选用3—5个能够反映论文主题概念的名词性的词或词组,未被词表收录的新学科、新技术中的术语、地区、人物、文献等名称,也可选用,动词、数词、形容词和副词请不要选用。

摘要： 1.来稿要求论点明确,内容充实,数据可靠,条理清楚,文字简洁,以6000字左右为宜;2.论文请附摘要(100〜150字),关键词(5个以上);摘要需准确、简练、结构紧凑;关键词要选用能反映文章内容特征、通用性强,为同行所熟知的名词性单词或词组;3.论文题目、摘要、关键词、作者及工作单位要附英文译文,译文要求准确、精练;4.计量单位一律采用我国颁布的法定计量单位(SI制);5.请注明作者简介包括:出生年月、性别、民族、籍贯、职称、学位、研究方向。

摘要： 以常用单音节形容词构成的述宾式“V着A单”为研究对象,对其在较大规模语料库里的使用情况进行定量分析,发现不同“A单”构成“V着A单”的句法表现也有所不同。一些“V着A单”常与其它“V着A单”及“V着N”对举或并列使用,有的“V着A单”则高度依赖前面的动词“V”,本身缺乏独立性。文章还将“V着A单”与“V着A双”进行了对比分析,认为“V着A双”用例远多于“V着A单”是因为“A双”比“A单”的名词性强。基于认知语法理论得出单双音节形容词可以在类推的机制下形成“V着A”结构,“V着A”由构式“V着N”压制产生,“A”的程度性被压制,凸显其空间性。

摘要： 以常用单音节形容词构成的述宾式"V着A单"为研究对象,对其在较大规模语料库里的使用情况进行定量分析,发现不同"A单"构成"V着A单"的句法表现也有所不同.一些"V着A单"常与其它"V着A单"及"V着N"对举或并列使用,有的"V着A单"则高度依赖前面的动词"V",本身缺乏独立性.文章还将"V着A单"与"V着A双"进行了对比分析,认为"V着A双"用例远多于"V着A单"是因为"A双"比"A单"的名词性强.基于认知语法理论得出单双音节形容词可以在类推的机制下形成"V着A"结构,"V着A"由构式"V着N"压制产生,"A"的程度性被压制,凸显其空间性.

摘要： 《成都理工大学学报》(社会科学版)是四川省教育厅主管、成都理工大学主办的社会科学学术期刊。本刊禀承“百家争鸣,推陈出新;古今贯通,文理交融”的办刊追求,致力于办出有较高学术品性和实践指导性的刊物,热忱欢迎海内外学者不吝赐稿。(一)写作要求1.一篇符合学报投稿规范的论文应包括论文标题(含中、英文,字数在20字以内)、作者名、作者单位、所在城市(除省会、直辖市外,还需说明省份)、邮编、中文摘要(摘要应具有独立性、自含性,直接陈述论文主要观点及创新点即可,勿出现“本文论述……”.“笔者指出……”等表述方式,避免出现图表、冗长的数学公式和非公知公用的符号、编略语,字数在200字左右)、关键词(能反文章主要内容的3-8个名词性术语,用分号间隔)、英文摘要与关键词(与中文摘要、关键词一一对应)与参考文献等。

摘要： 1.来稿要求论点明确,内容充实,数据可靠,条理清楚,文字简洁,以6000字左右为宜;2.论文请附摘要(100〜150字),关键词(5个以上);摘要需准确、简练、结构紧凑;关键词要选用能反映文章内容特征、通用性强,为同行所熟知的名词性单词或词组;3.论文题目、摘要、关键词、作者及工作单位要附英文译文,译文要求准确、精练;4.计量单位一律采用我国颁布的法定计量单位(SI制);5.请注明作者简介包括:出生年月、性别、民族、籍贯、职称、学位、研究方向。

摘要： 一、来稿包括:题目、作者简介、单位、邮编、摘要、关键词、正文、参考文献。如有基金项目,请注明项目编号。二、作者简介:姓名(出生年一)、性别、籍贯、学历或学位、职称、职务、工作单位、研究方向。.三、摘要:简述论文梗概、主要结论、特点与研究方法等,不用评价性和提示性语句。字数为200-300字。四、关键词:一般从《汉语主题词表》中选用3-5个能够反映论文主题概念的名词性的词或词组。

摘要： 《成都理工大学学报》(社会科学版)是四川省教育厅主管、成都理工大学主办的社会科学学术期刊。本刊察承“百家争鸣,推陈出新;古今贯通,文理交融”的办刊追求,致力于办出有较高学术品性和实践指导性的刊物,热忱欢迎海内外学者不吝赐稿。(一)写作要求1.一篇符合学报投稿规范的论文应包括论文标题(含中、英文,字数在20字以内)、作者名、作者单位、所在城市(除省会、直辖市外,还需说明省份)、邮编、中文摘要(摘要应具有独立性、自含性,直接陈述论文主要观点及创新点即可,勿出现“本文论述了……”、“笔者指出……”等表述方式,避免出现图表、冗长的数学公式和非公知公用的符号、缩略语,字数在200字左右)、关键词(能反文章主要内容的3~8个名词性术语,用分号间隔)、英文摘要与关键词(与中文摘要、关键词一一对应)与参考文献等。

摘要： 本发明涉及一种词性标注系统，包括：词性标注模型训练装置，用于基于词性层次树利用词性标注训练集中已标注的第一文本来逐层逐节点地训练词性标注模型；以及词性标注装置，用于使用训练的词性标注模型对待标注的文本进行词性标注。本发明还涉及一种词性标注方法、一种用于训练词性标注模型的装置及其方法。根据本发明的系统和方法，实现了大规模标注集中的词性的标注并提高了词性标注的精度。

摘要： 本发明涉及一种词性标注模型训练装置，包括：直接成分分析单元，用于对词进行直接成分分析，以获得直接成分、其属性以及位置关系；转换单元，用于将直接成分分析的结果转换为训练数据；机器学习单元，用于对转换的训练数据进行机器学习，从而生成词性标注模型。以及涉及一种词性标注模型训练方法。以及一种词性标注系统及其方法，系统包括：词性标注模型训练装置，用于通过对词典中的词执行直接成分分析，以训练生成词性标注模型；以及基于模型的词性标注装置，用于利用词性标注模型对未登录词进行词性标注。根据本发明的系统，可以根据现有的文本信息，对未登录词的词性进行准确标注，提高了文本信息处理的效率。

摘要： 本发明属于互联网技术领域，尤其是通过机器学习及上下文词性发现重要名词标签的方法，包括S1：首先通过语料，此语料需要最近的文章，选取最近1年的文章作为语料，列举出一定数据的已经确定的新词，用于学习出此名词最有可能的前后文中的“形容词，连词，动词”等，并整理出几十个已经确定的重要名词（如：华为，小米，中兴等）；S2：通过上一步的操作，已经可以得出一批整理句式了如：“XXX于今年发布了”，“无论XXX是如何做到”，“对于XXX来说”等，同时也可以计算对应不同的句式能得出不同的概率情况。本发明通过极少的人工干预整理成本，通过机器学习便可以发现新词。

摘要： 本发明涉及文本分析技术领域，具体涉及词性标注模型的训练方法、词性标注方法及电子设备，所述训练方法包括获取文本样本数据，以及所述文本样本数据中每个字对应的初始词性标签；获取所述文本样本数据中每个字属于其他词性类别的概率，并基于所述概率对所述初始词性标签进行平滑处理，确定目标词性标签；将所述文本样本数据输入词性标注模型中，确定所述文本样本数据中每个字对应的预测词性；根据所述预测词性以及所述目标词性标签，更新所述词性标注模型的参数，以确定目标词性标注模型。在平滑处理的过程中结合对应的概率，可以避免词性标注模型的输出过拟合到初始词性标签上，并且不会损害其分类能力，从而可以保证目标词性标注模型的准确性。

摘要： 本发明涉及结合兼类词词性消歧模型和字典的越南语词性标记方法，属于自然语言处理技术领域。本发明首先通过整理越南语字典为基础得到非兼类词字典和兼类词字典；其次根据越南语特点，选取越南语词性标注特征，形成兼类词词性消歧模型；再根据兼类词词性消歧模型和非兼类词字典分别对测试语料中的兼类词和非兼类词进行词性标记；最后将两种标记的结果进行融合得到最终标记结果。本发明特别考虑了兼类词对词性标注的影响，有效地提高越南语的词性标注的正确率。

摘要： 本发明涉及一种词性标注系统，包括：词性标注模型训练装置，用于基于词性层次树利用词性标注训练集中已标注的第一文本来逐层逐节点地训练词性标注模型；以及词性标注装置，用于使用训练的词性标注模型对待标注的文本进行词性标注。本发明还涉及一种词性标注方法、一种用于训练词性标注模型的装置及其方法。根据本发明的系统和方法，实现了大规模标注集中的词性的标注并提高了词性标注的精度。

摘要： 本发明涉及一种词性标注模型训练装置，包括：直接成分分析单元，用于对词进行直接成分分析，以获得直接成分、其属性以及位置关系；转换单元，用于将直接成分分析的结果转换为训练数据；机器学习单元，用于对转换的训练数据进行机器学习，从而生成词性标注模型。以及涉及一种词性标注模型训练方法。以及一种词性标注系统及其方法，系统包括：词性标注模型训练装置，用于通过对词典中的词执行直接成分分析，以训练生成词性标注模型；以及基于模型的词性标注装置，用于利用词性标注模型对未登录词进行词性标注。根据本发明的系统，可以根据现有的文本信息，对未登录词的词性进行准确标注，提高了文本信息处理的效率。

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： 本发明公开一英语体系名词性结构表达训练方法，包括以下步骤：展示至少一图片，其中所述图片对应于包含至少一名词性结构的英语表达：接收选定指令，根据所述选定指令选定所述图片中的至少一特定物，其中所述特定物对应所述英语表达中的限定名词；提取对应所述限定名词的名词性结构，其中对应每个限定名词的名词性结构包括相应的名介结构、名分结构和/或名句结构；拆分所述名词性结构为所述限定名词以及对应的限定关键词，其中所述限定关键词对应设定的动画效果；以及显示对应所述限定名词的至少一名词性结构及对应的动画效果，以此方式基于名词性结构(名词+介词结构，名词+分词结构，以及名词+句子结构)对学员进行语言训练。

摘要： 本发明公开一英语体系名词性结构表达训练方法，包括以下步骤：展示至少一图片，其中所述图片对应于包含至少一名词性结构的英语表达：接收选定指令，根据所述选定指令选定所述图片中的至少一特定物，其中所述特定物对应所述英语表达中的限定名词；提取对应所述限定名词的名词性结构，其中对应每个限定名词的名词性结构包括相应的名介结构、名分结构和/或名句结构；拆分所述名词性结构为所述限定名词以及对应的限定关键词，其中所述限定关键词对应设定的动画效果；以及显示对应所述限定名词的至少一名词性结构及对应的动画效果，以此方式基于名词性结构(名词+介词结构，名词+分词结构，以及名词+句子结构)对学员进行语言训练。