因果复句

摘要： 关联词是一种衔接话语、表达逻辑关系的词或词组,更是复句学习的重要内容。英语因果复句关联词焦点标记具有形式丰富、语义特征多样的特点。英语因果复句关联词焦点标记可用于主观立场、情感态度表达,也可满足表达内容精细化需求。

摘要： 基于180万字的中介语语料,以16种常用的汉语有标因果类复句作为考察对象,分别采用使用频次法、正确使用相对频率法和蕴含量表法,考察了中亚留学生汉语有标因果类复句的习得难度,结果显示,最易掌握的句式是因为式、如果式、由于式,最难掌握的句式是倘若式、以至式、以致式。这一研究结论可以为中亚国家汉语教材的编写提供参考。

摘要： 《金刚经》现存鸠摩罗什、菩提流支、真谛、笈多、玄奘和真谛6种汉译本,其因果复句关系标记有“故”“是故”“是”“因”“何以故”和“何所因”等。通过梵汉对勘与同经异译对比的方法可知,句末表原因的关系标记“故”和“何所因”的“何所”等的产生受到佛经翻译的影响,“是”的连词用法在中古后期逐渐衰落,笈多对梵语tena的翻译表现出独特的语言风格。6种译本对因果复句句式的选择存在一些共性,但单重和异类嵌叠两类因果复句的使用频次差异比较显著。

摘要： 《语文课程标准》对中考议论文阅读的要求是“阅读简单的议论文,区别观点与材料(道理、事实、数据、图表等),发现观点与材料之间的联系并通过自己的思考作出判断。”提取、概括一篇议论文的中心论点,是中考议论文的常考甚至是必考题型。议论文的基本知识,同学们一定已经熟知,在此不再赘述。为了更好地解答论点类中考题目,关于论点的知识点,我们有必要作更精细的概括:1.论点是阐述作者观点的句子,是一篇文章的灵魂、统帅;2.一篇文章只有一个中心论点,一般可以有分论点;3.论点应该正确、鲜明、概括,是一个完整的明确的判断句,可肯定判断,可否定判断,决不可模棱两可;4.概括出的句子不应含有修辞等手法,疑问句、比喻句不能做论点;5.有的文章的中心论点是一个复句,如条件复句、因果复句。

摘要： 汉语复句的语义关系丰富而复杂,复句关系自动识别是对复句语义关系的判别,是分析复句所表达意义的重要环节.因果类复句是使用最多的汉语复句,文中以二句式有标因果类复句为研究对象,通过深度学习的方法自动挖掘复句隐含的特征,同时融合了关系词这一语言学研究的显著知识.将word2vec词向量与one-hot编码的关系词特征结合作为模型的输入,利用卷积神经网络作为前馈层的transformer模型来对因果复句关系进行识别.采用文中的方法对因果类复句关系类别进行识别,实验结果的F1值达到92.13％,优于现有的对比模型,表明了该方法的有效性.

摘要： 中韩两种语言都存在因果复句,但因这两种语言分属不同语系,所以它们在复句的表现方法及连接手段上都有着很大差异,汉语的因果复句不仅和韩语的因果复句相对应,而且还能和其他语义关系的复句或其他表现形式相对应.前人研究成果当中极少运用中韩对译小说语料库来研究复句的情况,尝试利用中韩对等翻译小说语料库进行复句研究,运用实际双语例句、使用比较分析法进行考察分析汉语中的"既然,就"和"以致"等因果复句在韩语中的对应形式,这对于中韩复句的研究及教学将是一个很好的启示和参考.

摘要： 中韩两种语言都存在因果复句,但因这两种语言分属不同语系,所以它们在复句的表现方法及连接手段上都有着很大差异,汉语的因果复句不仅和韩语的因果复句相对应,而且还能和其他语义关系的复句或其他表现形式相对应。前人研究成果当中极少运用中韩对译小说语料库来研究复句的情况,尝试利用中韩对等翻译小说语料库进行复句研究,运用实际双语例句、使用比较分析法进行考察分析汉语中的“既然,就”和“以致”等因果复句在韩语中的对应形式,这对于中韩复句的研究及教学将是一个很好的启示和参考。

摘要： 一、语法知识要点词的分类:名词、动词、形容词、数词、量词、代词、副词、介词、连词、叹词、拟声词、助词。短语的结构:并列短语、偏正短语、主谓短语、动宾短语、补充短语。单句的成分:主语、谓语、宾语、定语、状语、补语。复句的类型:递进复句、承接复句、并列复句、选择复句、转折复句、因果复句、假设复句、条件复句。

摘要： 书面言语是最精心组织的言语形式,要求儿童进行深思熟虑的分析,是一种复杂而又真实的思维活动。本研究以我国1800名小学生的作文为研究样本,使用人工标注、信息自动检索技术和描述统计等方法,分析了儿童的因果表达特征,并以此探究儿童因果逻辑思维的发展特点。研究发现:第一,儿童的因果复句表达虽然整体上随年级递增呈上升趋势,但各年级具有不同的阶段性特征;第二,面对不同认知复杂度的因果表达,儿童在书面言语中倾向于说明性因果表达;第三,儿童在因果表达上存在“五年级现象”,即五年级儿童对因果逻辑表达更为敏感。在此基础上,对我国小学生的语言教学提出了系列可供参考的建议。

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： 本发明实施例涉及互联网技术领域，公开了一种告警因果关系挖掘方法、告警因果挖掘装置及存储介质。本申请部分实施例中，告警因果关系挖掘方法包括：基于系统告警信息和系统告警信息的根因标签数据，搭建深度强化学习的系统告警环境；通过深度强化学习的智能体与系统告警环境交互，学习并生成表征告警因果关系和结构的告警因果模型。该实施例避免了手工规则的使用，实现了告警因果关系的挖掘和表征。

摘要： 本发明属于数据挖掘领域，提出了一种基于局部格兰杰因果分析的因果网络学习方法。本发明先将采集到的数据进行预处理，对缺失数据采用平均值插补方法进行补全。然后对补全的数据进行平稳性检验及处理，以满足建立模型的假设。之后将数据进行归一化，以消除不同变量量纲带来的影响。最后建立基于局部格兰杰因果分析的因果网络学习算法，实现准确探究变量间因果关系的目的，同时展现不同变量间的动态因果关系曲线，以达到定量、明确地分析系统间各变量间的因果关系。

摘要： 本发明公开了一种因果关系分析模型构建及因果关系分析方法，获取网络图谱中的每一个目标节点以及与所述目标节点相连接的关联节点；对每一个所述目标节点对应的关联节点的类型进行划分得到所述目标节点对应的多个前因条件节点，在布尔代数算法的三层模型中输入计算得到的前因节点对所述目标节点的信息增益以及前因条件节点的中心度进行训练得到满足条件的因果关系分析模型，然后利用该因果关系分析模型进行因果关系分析，在保留布尔代数算法的高效率性的同时提高了模型分析的准确性。

摘要： 本发明公开了基于改进函数因果似然度的糖尿病危险因素因果发现方法，属于医学信息化技术领域；该方法包括获取糖尿病危险因素变量子集的联合分布；根据所述联合分布与因果结构求观察数据的对数似然度；将所述观察数据的对数似然度转化成观察数据噪声的对数似然度，进而建立糖尿病危险因素FCL模型；通过调整阈值对所述糖尿病危险因素FCL模型进行修正，获得糖尿病危险因素IFCL模型，利用所述糖尿病危险因素IFCL模型发现危险因素的因果关系。本申请引入调整阈值，构建糖尿病危险因素IFCL模型，利用所述糖尿病危险因素IFCL模型发现危险因素的因果关系，减少糖尿病危险因素因果结构的冗余边和错误边，进而生成优化的糖尿病危险因素因果结构。

摘要： 本发明属于数据挖掘技术领域，具体为一种基于因果分割的递归式因果推断方法。本发明方法采取分治策略，递归式地利用低阶条件独立性测试将数据集进行层层因果分割，然后再对每一个子数据集进行因果重构，最后合并得到数据集的整体因果信息。该方法能够很好的在高维数据集上进行因果推断，因果关系挖掘。在大数据时代背景下，因果关系推断算法在经济学领域、互联网社交网络领域、医疗大数据领域等都得到了广泛的应用，但高维数据问题是在行业信息智能化遇到的普遍性问题，解决该领域的相关问题迫在眉睫。本发明有助于解决如何应对日益增长的海量数据因果信息挖掘问题，对抽取海量数据中宝贵的因果信息有着重要作用。

摘要： 本发明公开了一种支持高维度因果发现的因果框架划分方法，用CI测试将问题域划分为小的子问题，从各子问题最后合并在一起的部分结果，返回了关于原始数据的完整因果关系。真实因果网络的实验验证了我们建议的卓越可扩展性和有效性。有益效果：证明了CDF框架理论健全和完善；第二：通过CDF返回的因果分区更可靠的；第三：CDF是支持高维因果发现的快速框架，数据分析鲁棒性强，正确性高。

摘要： 使用一种数据结构表现因果关系，所述数据结构包含：用于确定表现因果关系的对象的对象识别信息；应用于定量地描述在所述对象中产生的现象的多个指标各自的指标识别信息；以及每个组的因果关系信息，其中该组是从所述多个指标中选择出的不同的2个指标的组，所述因果关系信息包含：表示所述2个指标中哪一方是原因指标，哪一方是结果指标的方向信息；表示所述原因指标与所述结果指标之间的因果强度的强度信息；表示所述原因指标的影响传播到所述结果指标所花费的延迟时间的时间信息；以及表示所述结果指标相对于所述原因指标的增减的变化方向的相关信息。

摘要： 本发明提供了一种基于GCN的汉语复句隐式关系分析方法及装置，其构建的复句隐式关系识别模型依次将复句中的各分句进行分布式表示，得到一个高维序列化且具有上下文语义感知的字符级嵌入表示；将复句的字符级嵌入表示和词性嵌入表示进行拼接后输入到Bi‑LSTM递归神经网络，通过学习获得复句单词间的语义序列记忆特征，并将该记忆特征与拼接向量表示进行融合获得全局的语义特征表示；将复句中以单词为基本单元获取单元间存在的依存句法关系，并将其以矩阵的形式与全局语义特征共同输入至图卷积神经网络深度学习特征以实现隐式关系的分析识别；本发明解决了由于隐式句间关系语句没有较好的特征导致模型训练不充分、识别效果不好的问题。

摘要： 本发明提供了一种基于重复句检测的翻译质量校正方法，该方法基于检测到的重复句，对已经完成的翻译成果进行多种方式的质量校正，从而保证翻译成果中的重复句的翻译结果的一致准确性。多种方式的翻译结果质量校正方式可以互相配合使用，也可以选择其中之一；还可以事先设置优先采用哪种校正方式；也可以事先设置不同校正方式的优先级，当不同的校正方式给出的校正结果不一致的，选择优先级最高的校正方式给出的结果；当至少两个不同校正方式给出的校正结果一致时，直接采用该一致的校正结果。