形容词短语

摘要： 考生一般对副词做状语很熟悉,对形容词做状语,考生就不一定清楚了。形容词或形容词短语做状语是一种高级结构,这种结构在课本和高考题中时有出现。在高考写作中,我们如能灵活运用这种结构,可为作文增色添彩。

摘要： 一些系表结构的短语,没有了be,就成了形容词短语,在句中做定语或状语。现将这些系表结构的短语分类归纳如下,希望对同学们有所帮助。

摘要： 本文分析形容词短语结构中的功能投射,提出并论证以下观点:1)英语和汉语程度词的分布特征和范畴选择事实给以往将其统一分析为功能词“程度”带来挑战;2)形容词带有不可解读的形式特征[比较],该特征迫使带有匹配特征的“程度”功能词与形容词短语合并,投射出程度短语,进行特征核查和删除;3)“程度”“度量”“等级性”均为形容词短语中的功能核心词,投射出一个丰富的形容词短语结构:[DegP Deg[MsrP Msr[GrdP Grd[AP A]]]].本文的分析解释了形容词短语内部结构的特点,在形容词与名词之间建立了跨范畴短语结构的平行性,为进一步探索跨语言和跨范畴短语结构的特点提供了部分经验证据.

摘要： 初中英语涉及大量短语,中考在单项选择中有所考查,在完形填空、阅读理解中需要加以辨析理解,在书面表达中要学会运用,所以熟练掌握短语的意思和用法至关重要。本文笔者想谈谈以下四种短语,即名词短语、动词短语、形容词短语和介词短语。下面是这几类短语中易混淆的典型例子。

摘要： 英语语法中的主谓结构、动宾结构和系表结构经常以非谓语的考查形式出现在高考试题中,主要检验学生对非谓语动词的正确使用,非谓语结构是高考考查的重点之一。考生在平时做题时,常常对这三大结构模糊不清,因此失分较多。笔者在日常的教学过程中对这三大结构的用法非常关注,对此深有体会。本文结合非谓语动词高考考点对其结构和作用归纳总结如下:一、主谓结构:Subject(主语)+Verb(谓语)在主谓结构中,主语由名词或代词充当.

摘要： 【一般教学目标】1.给三个字注音（含“笼”字异读）。（1）缥（piāo）缈（miǎo）（2）灯笼（lóng）→箱笼（lǒng）2.解释三个词（含“珍奇”的活用）。缥缈定然珍奇3.解说本文“物品”改为“商品”的理由。4.概述神话故事“牛郎织女”。【重点教学目标】5.运用课文中“多层联想”的写法,描写一段画面,并解说“多层联想”的层级;改写一段课文中的文字,并比较解说课文更加合理的理由。

摘要： 唐河方言中形容词短语儿化有五种形式:[程度指示代词+A]儿、[多+A]儿、[数量短语+A]儿、[不/没+多+A]儿、[不+A]儿.这五种形式在语法结构和语义功能方面各有特色.同属中原官话的陕县、浚县、确山和宜阳等地的次方言,也有类似的儿化现象,但唐河方言与这些次方言的表义与功能有所不同.通过比较发现,河南省中原官话形容词短语儿化形式表小称义功能自北向南存在一种渐变性的差异.

摘要： 2013年高考英语江苏卷依旧延续以往题型,但整体难度有所增加,尤其是阅读部分。下面来分题型具体分析。(本文所涉及的部分题目请参考本期随刊赠卷,听力音频请下载本期免费MP3有声文件。)听力今年江苏卷的听力仍然采用了全国卷I的听力题目,其选材多为考生熟悉的日常交际场景,基本没有生僻词语,朗读语速适中,发音清晰。值得一提的是,2013年听力第一节的五个短对话都比较灵活,其中第三段录音材料的话题比较新颖,答题时需要考生根据整

摘要： 高考英语中的单选题是考生较容易失分的题目之一。究其原因,主要在于近年来高考英语对考生语言理解及运用能力的要求提高了,综合性和语境化的特点更加突出,并且命题人还想方设法在题干或选项中设置"陷阱"。因此,考生要想在单选题中得高分,不仅需要较好地掌握各个语法点,学会在一定的语境中灵活运用,还必须弄清命题者是如何设计"陷阱"的。

摘要： 小称是现代汉语及汉语方言广泛具有的语法范畴，最初由名词而来，用来称小。普通话及其他各方言的小称形式不尽相同，河南浚县方言的小称形式是儿化，但跟普通话或其他方言表现不同的是，这种小称儿化不仅可以作用于名词、量词，还可以作用于形容词短语，并与其非小称形式构成语义上的对立。

摘要： 提供了一种通过使用形容词产生振动的方法和装置。所述方法包括：设置与特定形容词和特定形容词的程度值相应的至少一个基频和至少一个重叠比；接收用于输入形容词和输入的形容词的程度值的至少一个用户输入；基于所述设置产生与输入的形容词和输入的形容词的程度值相应的至少一个振动。产生的所述至少一个振动具有与输入的形容词和输入的形容词的程度值相应的基频和重叠比。

摘要： 本发明公开了一种基于依存约束和知识的形容词词义消歧方法和装置。方法包括：对大规模语料进行依存句法分析，收集所得的依存元组并统计其频数，构建依存知识库；对歧义形容词所在句子进行依存句法分析，提取符合设定条件的4种依存元组，作为歧义形容词的依存约束集合；根据语义词典，为歧义形容词的各个词义，依次提取同义词集、近义词集、反义词集作为相应词义的词义代表词集；根据依存知识库和词义代表词集，依次计算歧义形容词的各个词义在依存约束集合的后验概率；根据后验概率选择歧义形容词的正确词义。利用本发明，可以充分发挥依存句法分析的作用，更准确有效地判定歧义形容词的词义。

摘要： 本发明涉及自然语言处理和深度学习技术领域，特别涉及一种基于短语向量的关键词抽取方法及系统。本发明的主要技术方案包括：对原始文本分词并标注词性，根据词性保留n元组，得到候选词项集；对候选关键词集合中包含的大量短语构建向量表示；计算各候选词项的主题权重；以候选词项作为图中的顶点，以候选词项的共现信息为边构造图，以候选词项之间的语义相似度和共现信息计算边的权重，迭代计算每个候选词项的得分并排序。本发明提供的关键词抽取方法及系统，既引入了文档中的主题信息，又通过短语间的语义相似度引入了上下文信息，更能够捕捉全文中的重点词，语义精度高，应用范围广。

摘要： 本发明公开了一种基于词嵌入语义映射的事件短语学习方法及装置，该方法包括：获取动宾结构的事件短语，提取其中包含的待扩展名词及待扩展动词；利用预先基于训练语料集训练的词嵌入模型得到与每个待扩展名词及待扩展动词对应的词向量；基于词向量计算每个待扩展名词及待扩展动词与训练语料集中的训练名词及训练动词的相似度，并选取出对应相似度大于相似度阈值的训练名词及训练动词作为对应待扩展名词及待扩展动词的相似语义词；将同一事件短语中包含的待扩展动词、待扩展名词的对应相似语义词映射该事件短语中的待扩展动词、待扩展名词重新组成新的扩展短语，并利用事件短语及对应扩展短语实现事件短语学习。在事件识别性能上得到了显著的提升。

摘要： 本发明公开了一种基于依存约束和知识的形容词词义消歧方法和装置。方法包括：对大规模语料进行依存句法分析，收集所得的依存元组并统计其频数，构建依存知识库；对歧义形容词所在句子进行依存句法分析，提取符合设定条件的4种依存元组，作为歧义形容词的依存约束集合；根据语义词典，为歧义形容词的各个词义，依次提取同义词集、近义词集、反义词集作为相应词义的词义代表词集；根据依存知识库和词义代表词集，依次计算歧义形容词的各个词义在依存约束集合的后验概率；根据后验概率选择歧义形容词的正确词义。利用本发明，可以充分发挥依存句法分析的作用，更准确有效地判定歧义形容词的词义。

摘要： 本发明涉及到一种基于依存词汇关联度的形容词词义消歧方法，属于自然语言处理技术领域。其步骤为：1.根据语义词典，收集目标形容词歧义词各个词义的同义词、近义词、反义词，构建相应词义的相关词集。2.对目标歧义词所在的句子进行依存句法分析，收集包含目标歧义词的形容词修饰及副词修饰依存元组，提取相应的依存共现词。3.对大规模语料进行依存句法分析，收集其中的依存共现词对，构建依存共现词对数据库DB。4.根据DB，计算目标歧义词的各个词义的依存词汇关联度。5.将整体依存词汇关联度最大的词义判定为正确词义。本发明的方法对比现有技术，能够准确地选择依存共现词，避免噪声词的干扰；能够自动构建依存共现词对数据库，无需任何人工辅助操作；能够改善形容词词义消歧的效果。

摘要： 提供了一种通过使用形容词产生振动的方法和装置。所述方法包括：设置与特定形容词和特定形容词的程度值相应的至少一个基频和至少一个重叠比；接收用于输入形容词和输入的形容词的程度值的至少一个用户输入；基于所述设置产生与输入的形容词和输入的形容词的程度值相应的至少一个振动。产生的所述至少一个振动具有与输入的形容词和输入的形容词的程度值相应的基频和重叠比。

摘要： 本发明涉及用于使用最高级形容词来排序语义子密钥的系统和方法。具体地，本发明公开了一种用于确定排序的方法、计算机可读媒体和计算机系统。可以访问包括语义密钥和最高级形容词的搜索查询，其中所述语义密钥可能与多个语义子密钥相关。对于所述多个语义子密钥的每个语义子密钥，可以确定至少一个各自文档中的至少一个各自最高级形容词的至少一个各自实例。所述至少一个各自实例的每个实例可以包括与所述多个语义子密钥的各自语义子密钥的各自情感相关的各自最高级形容词。可以基于至少一个各自文档中的至少一个各自最高级形容词的所述至少一个各自实例而确定所述多个语义子密钥的排序。

摘要： 一种基于聚类的形容词极性判断系统和方法，其中该系统包括：句子切分单元，用于对需要判断的句子进行切分；同极性句子合并单元，用于将每个句子中的句子片段按照极性是否相同分为两堆；同极性形容词合并单元，用于检查每堆中的子句片段含有的否定词个数；初始语义矩阵形成单元，用于形成初始语义矩阵；相似度矩阵计算单元，用于对初始语义矩阵形成单元生成的初始语义矩阵进行扩展计算，计算出矩阵中对应位置没有值的那些形容词的相似度；以及语义极性聚类单元，用于利用相似度矩阵计算单元得到的矩阵进行聚类以聚成两类。

摘要： 本发明提供的视觉单词和短语共驱动的词袋模型图片分类方法，通过视觉明显性分析方法将图片分为前景区域和后景区域，从两个区域分别提取特征建立各自的视觉特征词典，按一定的权值将二部分的单词直方图聚合起来表示图片，丰富了特征表达子的语义含义。通过引入分层聚类分析将视觉单词短语的聚类过程巧妙的改成树状结构，避免了均值聚类算法初始中心的不良选取带来的一系列问题，同时对图片的整体到部分的解析过程更恰当。提出自适应超球体软分派方法，将图片中视觉单词和短语的空间位置排列关系引入，巧妙的除去了单一单词的歧义问题，分类表达能力大幅提高，图片分类深度更大，准确率更高，分类速度更快，方法鲁棒性更好。