否定句

摘要： 本文主要研究现代汉语与现代英语否定句的差异.从否定句的特征、否定对象以及否定形式三个方面考察.发现在现代汉语中否定词的位置变化会带来句义的改变,而在现代英语中不是每次否定词的位置变化都会带来句义的改变的,因为现代汉语比现代英语更依赖通过语序差异来表示语法意义;现代汉语中有着丰富的否定冗余现象,但是现代英语中却没有;现代英语中有着丰富的否定和谐现象,但是现代汉语中却没有.

摘要： 从句法和语义方面对广州话“唔m^(21)”构成的五种否定句进行考察:在句法层面,其共性为否定焦点均为“唔m^(21)”后的成分,差异性体现在“唔m^(21)”在句中的位置和谓语的性质。在语义层面,其共性在于均为语义否定;差异性在于语义否定的五种类型。

摘要： 本文通过论述否定的性质和否定句的定义,获得判断句子是不是否定句的逻辑依据,进而系统地对汉维语否定句中的否定形式,即否定标记进行论述,从语言类型学的角度分析汉维否定标记在否定句中的位置,从而探析汉维否定标记在否定句中位置的异同点以及形成的原因。

摘要： 在各版小学英语教材中经常用also,too,either这三个副词表示“也”,但其用法不同。1.too通常用于肯定句或疑问句,一般不用于否定句,且通常放在句末。如:I am a stud ent,too.我也是一个学生。Does he like blue,too?他也喜欢蓝色吗?too有时也紧跟在主语后,用于Me too,You too这类简略答语。

摘要： 我们知道,some通常用于肯定句,any则用于否定句或疑问句。但随着学习的深入,我们发现情况并不完全如此,下面对它们的用法做出归纳。一、some和any作为形容词或代词,可以用来说明或代替复数名词或不可数名词,表示不定量,意为"一些",其区别是:对其所说明或代替的名词持肯定态度时,用some;持非肯定(否定或疑问)态度时,用any。

摘要： 汉语的宾语一般位于谓语动词之后,但在上古时期的文献里,我们常常看见宾语放在谓语动词之前的现象,即宾语前置。如果对这种特殊语序辨析不清,就会妨碍对古书文意的正确理解,因此它历来受到古代汉语语法研究者的重视。

摘要： 本文从实验语音学的角度,以6名来自美国的英语母语者为参照,对哈尔滨地区英语学习者朗读口语中否定句调核位置和数量特点进行了研究.研究发现:与母语者相比,学习者朗读时多停顿和重读,调核数量较多,调核位置多位于调群内实义项上,部分位于语法项上,呈现多、散、乱的特点.本研究旨在探索哈尔滨英语学习者语音学习方面的偏误,从而为英语语音教学提供帮助.

摘要： 一、现在完成时的构成现在完成时由"助动词have/has+动词的过去分词"构成。have not常缩写为haven’t,has not常缩写为hasn’t。现在完成时的肯定句、否定句和一般疑问句及答语分别为:肯定句:主语+have/has+动词过去分词+其他。如:I have already finished all the work.我已经完成了所有的工作。否定句:主语+haven’t/hasn’t+动词过去分词+其他。

摘要： 张培基是中国著名翻译家,其译著《英译中国现代散文选》是中国译界非常有影响力的作品。论文以《英译中国现代散文选》(二)中的否定句翻译为研究对象,结合目的论的目的性、连贯性和忠实性三原则,赏析张培基在否定句英译技巧,发现可处理为忠实对照的显性否定句,结构简单、富有内涵的隐性否定句或是转换逻辑,反译为肯定句。同时认为目的论对散文英译研究有一定的指导性和适用性。

摘要： 现在进行时主要表示说话时或现阶段正在进行的动作或存在的状态,常与now,these days等时间状语连用。一、现在进行时构成形式1.肯定句:主语+am/is/are+doing。2.否定句:主语+am/is/are+not+doing。3.一般疑问句:Am/Is/Are+主语+doing。

摘要： 维吾尔语作为黏着语,其否定形式是在动词后附加否定词缀-ma-/-mε-,因为缺少语序作为语法表达手段,在一些特殊的否定句型里,否定词缀构成的否定短语会有不止一种,所以否定句可能会有多种句法结构,从而产生语义歧义.本文主要讨论在有语义歧义的否定句型里,在语音层面会有什么样的语音特征与之对应.并且以维语否定歧义结构为例,以最简方案为理论基础,深入探讨语音与语法的关系问题，研究表明，基于上述讨论，维吾尔语语法层面的否定歧义，在语音层面可以通过韵律边界进行区分。肯定句型中调整句子成分的语序位置，只有语义焦点产生变化，语义并没有变化。但否定句型中调整句子成分的语序位置，否定语义不同，这说明否定后缀的否定范围可以有两种，一种是动词本身，一种是“动词前紧挨的语法成分与动词构成的Ⅵ，短语”。维吾尔语中的否定歧义句型，有两种情况，一种是句子里含有副动词成分，一种是句子里含有一般性的程度副词，其他绝对性的程度副词都不能被否定后缀否定。另外句子里如果有动名词成分，因为动名词本身有时态，满足内部不可渗透性的语段原则，所以也不能被否定后缀否定。

摘要： 本文选取了目前市场上常见的四种机译软件,以40句英文否定句为对象进行机译测试,运用语言学知识对其结果进行分析统计,对这四种机译软件进行了初步鉴定.

摘要： 研究仅有万余字的《论语》,"不"字就出现562次(包括"不亦……乎"11次,"不有"3次),仅次于"曰"755次和"之"596次.如果再加上其他否定形式,《论语》之形形色色的"不",将近千个.平均每13个字,就有一个"不"字.所以说,孔子是一个善于说"不"的人.整部《论语》,几乎句句离不开"不"字.孔子及其弟子说"不",数量多,密度高,效果佳.在他们认为的礼乐崩坏仁义沦丧的社会,孔子对这一切"违仁""非礼"的现象和言行,大声说"不".同时,孔子及《论语》的整理者又是很注重文采和讲究修辞的,运用否定句,使得说话委婉含蓄饶有韵味,运用双重否定,加强肯定,不容置疑.对此,无论是在社会学、文学、阅读学、语言学、修辞学抑或是写作学上,我们都不能不予以关注。

摘要： 本发明公开了一种中文比较句分类器模型生成、中文比较句识别方法及装置，包括：将数据集各句子中每一个包含设定的比较关键词的分句转化成一个序列，并为序列建立与其对应分句所属句子相同的类别标记；得到序列集；采用序列模式挖掘算法从序列集中挖掘出若干比较模式，组成比较模式集；用每一个序列逐一匹配比较模式集中的各比较模式，根据匹配结果及比较模式总数量，得到与每一个序列对应的一组特征向量；根据所述特征向量及与其对应的所述序列的类别标记，生成分类器模型；然后通过得到的比较模式集和分类器模型，识别读入的未知类别的句子，确定其是否是比较句。通过自动学习比较句的模式特征，生成分类器模型，自动、有效地识别文本中的比较句。

摘要： 因果句解析装置具备：因果句提取部，其从文章提取包含原因表现和结果表现的因果句；取得部，其取得表示基准表现的信息，所述基准表现是用于对相似的程度进行解析的基准；相似度解析部，其针对所述因果句提取部提取到的因果句，算出原因相似度和结果相似度，所述原因相似度是该因果句所包含的原因表现与所述基准表现的相似度，所述结果相似度是该因果句所包含的结果表现与所述基准表现的相似度；以及期望因果句提取部，其提取所述因果句所包含的原因表现和结果表现中的一方与所述基准表现相似、且另一方与所述基准表现不相似的因果句。

摘要： 本发明提供一种词向量和句向量互信息最大化的句嵌入方法及系统，其中方法包括编码第一待识别句子中的各词语；对第一待识别句子中目标词向量的多个维度进行置零操作；编码第二待识别句子中的各词语；将第一词向量矩阵中的每个词向量经过多头自注意力层计算；将第二词向量矩阵中的每个词向量经过多头自注意力层计算；对第三词向量矩阵进行平均池化操作；对第一整体句向量进行维度置零操作；计算第二整体句向量与第四词向量矩阵中对应的词向量的点积；计算第四词向量矩阵中词向量和第二整体句向量的互信息；将第四词向量矩阵中词向量和第二整体句向量的互信息最大化。本发明解决了现有的无监督句嵌入方法使用效果不佳的问题。

摘要： 本发明提出一种引述句和辟谣模式句引导的“谣言‑辟谣文章”匹配方法及系统。通过引导模型行为，使其更加关注辟谣文章中带有“引述”和“辟谣模式”成分的句子，实现考虑到辟谣文章特点的“谣言‑辟谣文章”匹配程度评分。具体地，本发明通过使用文字相似度指标精调神经网络模型增强引述句的发现能力，通过引入模式向量增强辟谣模式句的发现能力，从而使模型关注到含有引述成分和辟谣模式的关键句子，过滤掉辟谣文章中大部分无关句子，最终实现高效准确的“谣言‑辟谣文章”匹配。

摘要： 本申请实施例公开了一种句对匹配方法、装置和用于匹配句对的装置。该方法的实施例包括：从网页库内的网页中抽取包含目标语言语句的句段，以得到句段集；其中，句段集中的每个句段包括目标语言的语句以及语句的上下文；将双语数据集中的双语句对与句段集中的句段进行匹配；双语句对中包括源语言的第一语句和对应目标语言的第二语句；对于双语数据集中的每一个双语句对，确定句段集中与双语句对相匹配的句段，将网页库中与所确定的句段对应的网页确定为该双语句对的来源网页；其中，与双语句对相匹配的句段为同时包含双语句对中的第一语句与第二语句的句段。该实施方式提高了句对匹配效率。

摘要： 本发明提供了一种句向量训练方法及模型、句向量预测方法及系统，其中向量预测模型构建方法，包括以下步骤：S11、构建句向量训练模型；S12、对所述句向量训练模型模型进行训练；S13、向句向量预测模型中导入所述句向量训练模型的参数。本句向量训练方法及模型、句向量预测方法及系统，进行句向量预测时有很好的领域适应能力和句子向量泛化能力，可直接迁移到多种领域进行使用。

摘要： 本发明属于教育信息化领域，提供一种基于Word2Vec和循环神经网络的小学语文作文比喻句与拟人句自动提取方法，首先，利用经过人工标记后的数据集，预处理后得到符合实验要求的数据集。然后，利用Skip‑Gram模型结合Hierarchical Softmax的方式训练Word2Vec模型。最后，利用训练后的模型来表示文本，将其作为循环神经网络分类器的输入训练相应的循环神经网络分类器。本发明提出作文中比喻句与拟人句的自动提取方法，为构建基于修辞使用的小学语文作文自动评价器提供了比喻句与拟人句的提取方案。

摘要： 本发明公开了一种中文比较句分类器模型生成、中文比较句识别方法及装置，包括：将数据集各句子中每一个包含设定的比较关键词的分句转化成一个序列，并为序列建立与其对应分句所属句子相同的类别标记；得到序列集；采用序列模式挖掘算法从序列集中挖掘出若干比较模式，组成比较模式集；用每一个序列逐一匹配比较模式集中的各比较模式，根据匹配结果及比较模式总数量，得到与每一个序列对应的一组特征向量；根据所述特征向量及与其对应的所述序列的类别标记，生成分类器模型；然后通过得到的比较模式集和分类器模型，识别读入的未知类别的句子，确定其是否是比较句。通过自动学习比较句的模式特征，生成分类器模型，自动、有效地识别文本中的比较句。

摘要： 本发明公开了一种基于否定前后缀信息的否定句识别方法，本发明基于否定前后缀信息的否定句识别方法首先利用单词训练集训练辅助任务模型，用于获取带有否定前后缀的单词的信息；然后利用句子训练集训练主任务模型，用于否定句的识别，在主任务模型训练过程中，利用训练好的辅助任务模型得到句子中带有否定前后缀的单词的第一隐层特征表示，并将其插入至所在句子的第二隐层特征表示中更新整个句子的隐层特征表示，进行主任务模型的训练；最后利用训练好的主任务模型和辅助任务模型对目标句子进行识别。本发明将否定词识别建模为匹配模型，通过对句子中的带有否定前后缀的单词进行识别并更新句子的隐层特征表示，可以大幅提升否定句识别准确率。

摘要： 本发明公开了一种基于否定前后缀信息的否定句识别方法，本发明基于否定前后缀信息的否定句识别方法首先利用单词训练集训练辅助任务模型，用于获取带有否定前后缀的单词的信息；然后利用句子训练集训练主任务模型，用于否定句的识别，在主任务模型训练过程中，利用训练好的辅助任务模型得到句子中带有否定前后缀的单词的第一隐层特征表示，并将其插入至所在句子的第二隐层特征表示中更新整个句子的隐层特征表示，进行主任务模型的训练；最后利用训练好的主任务模型和辅助任务模型对目标句子进行识别。本发明将否定词识别建模为匹配模型，通过对句子中的带有否定前后缀的单词进行识别并更新句子的隐层特征表示，可以大幅提升否定句识别准确率。