数量短语

摘要： 河北省沧州市孟村方言、衡水方言在数量短语后使用“儿”或“子”表达说话人的主观态度,即分别表示主观小量和主观大量。为进一步了解这种现象的历史演变,我们利用戴遂良的《汉语口语教科书》来考察“儿”与“子”的使用情况。根据对《汉语口语教科书》的统计,我们发现:数量短语与“儿”共现表主观小量,且常常与“小”、“不过”、“才”等主观小量标记共现;数量短语与“子”共现表主观大量,也常常与“大”、“好”、“就”等主观大量标记共现。

摘要： 汉语中,数词最初直接修饰名词。量词产生之后,由于量词与汉语形象、生动的特点一致,便得以大量使用,成为汉语中较为重要的词类,常与数词连用,一同修饰中心语名词。英语和法语均没有量词这一词类,英法更侧重经济原则,一般情况是数词直接修饰名词,常常是对不可数名词进行切分表量时,或者按照度量衡标准、种类标准和集体标准对可数名词进行划分表量时,才使用量词。尽管如此,量词的意义却隐藏在以英语和法语为母语的人们的思维之中。

摘要： 文章考察了蒙古语光杆名词、数量短语、指示词短语等各类名词性短语单独使用以及受关系从句修饰时的指称特点,并对其句法环境和功能进行了讨论.蒙古语的光杆名词在不同的句法环境限制下可以表示类指、定指和不定指.数量短语在句子中可以表示不定指、无指和类指,而指示词短语只能表示定指.蒙古语的关系从句修饰光杆名词、数量短语和指示词短语等名词性短语时,会使其指称发生变化,均表示定指的语义.受关系从句修饰的光杆名词还可以表示类指.蒙古语各类名词性短语的语义解读与相对应的谓语类型、说话双方对语境信息的掌握以及宾格标记的使用等因素具有密切的联系.

摘要： 本文探讨数量名短语中数词"一"的省略的条件,其中该短语应当处于被支配的地位是需要首先被考虑的条件.其次,它是由于语言的经济原则和语速快才出现的,因此它目前势必只能存在于独特的语体之中,在正式的公文,演讲稿等文体之中不会出现,更不会出现在强调数量短语的环境.同时,只有常用的,口语化的量词才能在这种省略结构中出现.

摘要： 时下常见“这是一种什么样的存在”和“这是神一样的存在”之类的新用法。这种新的表达形式分别用于询问或陈述。用于询问时,疑问词为“什么样”,其前后可有数量短语“一个/一种”共现。例如:(1)大学里,辅导员究竟是什么样的存在?(2)在英国公务员是一种什么样的存在?(3)融创中国,一个什么样的存在?(4)“气”是什么样的一种物质存在?

摘要： 结构助词"的"在现代汉语诗歌里出现了非常规隐现的现象."属性类名词1+(的)+名词2""单音节性质形容词重叠+(的)+名词"和"短语结构+(的)+名词"时,"的"当现却隐;数量短语作定语修饰名词、多项定语修饰名词时,"的"当隐却现."的"在现当代汉语诗歌里可以突破一般的汉语语法规则,这主要与"的"在历史演变中保留了指示词强调凸显的作用、韵律原则和经济原则有关."的"的非常规隐现也有限度,主要是受到黏附词特点的制约."语言特区"中的诗歌特区允许突破一般汉语语法规则,但必须有度,不能逾越普遍的人类语法原则.

摘要： 文章主要讨论三类表达主观大量义的句法歧义结构:“VP了+ NumP+的+NP”结构(以下简称“的”式),“VP了+有+NumP+ NP”结构(以下简称“有”式),“VP了+他+NumP+ NP”结构(以下简称“他”式).文章首先确认三类主观大量构式都来源于“VP了+NumP++NP”结构(原式),且三者都是歧义结构,造成歧义的原因各不相同,但都是在客观构式向主观构式的过渡过程中产生的.“的”式、“有”式、“他”式在客观构式义“完成一定量的动作”基础上增加了表达“言者主语”对“量”的评价义功能.语用意义是语言的主观意义,语用成分有时具有调节、标记信息结构和使句子完备的作用.与客观表达式相比,“的”“有”“他”都是“言者中心”的标记主观大量的附着成分,这与“言者主语”对现实世界的认知密切相关.“的”“有”“他”是言者向听者发出的语义协商的信号词,从句法-语义功能到被指派凸显主观大量功能的过程就是语用信息句法化的过程.随着“的”“有”“他”的附缀化,“的”式、“有”式、“他”式的语用功能也发生变化,从而使其重新获得独立的表达主观大量的新构式的句法地位.

摘要： 为了解《新疆图志》中数量短语的使用和演变情况,文章对民政篇户口部分中出现的数量短语进行了统计分析.户口制度记录了清代对新疆的行政管理方式,并且统计了清代新疆各县居民的数量.其中大部分量词保留了原义,个别量词在历史的演变中消亡了.通过与《赋役全书》中量词比较,《新疆图志》中量词数量较多,史料更加丰富.这使我们对新疆的局部乃至整体的人口状态分布能有更加深入的认识.

摘要： 数量短语的识别是现代汉语语句分析的一个局部难点。现代汉语中数词千变万化,量词的种类繁多,数量短语的组合方式多样。本文以识别数量短语为立足点,在探讨数量短语构成模型的基础上构建了一个知识库,并把这一知识库运用于识别系统。实验结果表明建立知识库是解决数量短语识别的有效方法,召回率和正确率分别为98.7％和90.9％。

摘要： 数量短语通常由数词和量词构成，结构比较简单，但在真实语料中，它的具体构成却有多种变化。本文从真实语料中抽取大量数量短语进行分析，归纳出数量短语的分类和一般构成模式，并在建立数量词库的基础上进行了识别数量短语的实验，给出了识别算法和实验结果。

摘要： 扬州方言中,在计量性的数量短语之后可以附着一个"-头"[t'γ(w)34],用来表示其数量微小.任一个数量短语所表示的客观数量都可能在主观上被认为微小，但不是任一个数量短语都可附着以表微标记“-头”的。人句后的“数·量-头”，其后面通常不再运用任何语气词，即便是在句子末尾。“数·量-头”之表微，属于说话人的主观认识问题。而这个其实是以其“数”为微的主观认识，在意蕴中总有一个依某客观尺度衡量的背景。这个客观尺度，可以是绝对性的，也可以是相对性的。单音节量词并非全都能进入“数·量-头”，“数·量-头”对于其量词是有选择的。量词按性质分为物量词和动量词，而无论物量词还是动量词，又都有专用的和借用的之分。

摘要： 本发明涉及语音合成技术领域，提供一种短语语料获取方法及短语语料获取装置。短语语料获取方法，包括：获取待处理长句语料。拆分待处理长句语料，得到至少一个子句语料。将子句语料的字数与预设句长阈值进行对比。若子句语料的字数小于或等于预设句长阈值，则保留子句语料作为短句语料。通过本公开提供的获取短语语料方法，将待处理长句语料拆分成独立的子句语料进行处理，有助于提高语料清洗句子利用率，减少待处理长句语料中有用语料的损失，进而节省人工校对的成本。

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： 本发明涉及一种信息检索系统，其使用短语来给文献编制索引、检索、组织并描述文献，分析文献并将所述分析的结果存储为短语数据。识别预测文献中的其它短语的存在的短语。根据文献中所包括的短语来对文献编制索引。还识别相关短语与扩展短语。俘获并分析用户提交的对关于文献集的现有短语数据的改变，且更新所述现有短语数据以反映通过所述分析获得的其它知识。

摘要： 本发明公开了一种短语抽取模型训练、短语抽取方法、装置、计算机设备及存储介质，该方法通过将训练短语特征输入至特征识别模块中，获取第一概率值，和将训练短语向量输入至短语分类模块中，获取第二概率值；根据第一概率值和第二概率值确定训练短语对应的预测短语标签，根据目标短语标签和预测短语标签确定预测损失值；在预测损失值未达到预设的收敛条件时，迭代更新预设抽取模型中的初始参数，直至预测损失值达到收敛条件时，将收敛之后的预设抽取模型记录为短语抽取模型。本发明提高了短语抽取的效率和准确率。

摘要： 本发明公开了一种韵律短语边界预测模型训练方法和韵律短语边界预测方法。其中，韵律短语边界预测模型训练方法包括：获取训练文本集，其中，训练文本集中的每条训练文本包括至少两种相似语序语种的训练文本；获取每条训练文本的文本特征，其中文本特征包括训练文本中每个单词的词面、词性、词长、词缀、停顿概率、词向量、以及语种标志位；利用每条训练文木的文本特征、以及训练文本的标签训练初始韵律短语边界预测模型，得到经训练得到的韵律短语边界预测模型。采用本发明提供的方法，可以增加了模型预测的准确率，进一步可提高后期语音合成的自然度。

摘要： 本发明涉及语音合成技术领域，提供一种短语语料获取方法及短语语料获取装置。短语语料获取方法，包括：获取待处理长句语料。拆分待处理长句语料，得到至少一个子句语料。将子句语料的字数与预设句长阈值进行对比。若子句语料的字数小于或等于预设句长阈值，则保留子句语料作为短句语料。通过本公开提供的获取短语语料方法，将待处理长句语料拆分成独立的子句语料进行处理，有助于提高语料清洗句子利用率，减少待处理长句语料中有用语料的损失，进而节省人工校对的成本。

摘要： 本发明提供一种关键短语提取方法以及关键短语提取系统，所述关键短语提取方法包括如下步骤：为每个文档构建加权无向图，所述加权无向图中每个节点代表一个词汇，节点之间的边为两个词汇在某个窗口阈值之内的关系权值；利用词嵌入模型Skip‑gram基于中心词预测前后词汇的概率值以作为加权无向图中两个词汇之间关系的权值；通过加权算法为每个节点计算相邻词汇的分数并进行排列；提取排列后的前N个词汇作为候选关键短语，其中，N为大于1的自然数。与相关技术相比，本发明提供的关键短语提取方法能够提高提取速度以及提取准确率。

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： 本发明涉及一种信息检索系统，其使用短语来给文献编制索引、检索、组织并描述文献，分析文献并将所述分析的结果存储为短语数据。识别预测文献中的其它短语的存在的短语。根据文献中所包括的短语来对文献编制索引。还识别相关短语与扩展短语。俘获并分析用户提交的对关于文献集的现有短语数据的改变，且更新所述现有短语数据以反映通过所述分析获得的其它知识。

摘要： 机译(MT)系统利用基于短语的并集概率模型。所述模型用来同时生成源语言和目标语言。在一实施例中，所述模型根据单词到单词统计机译系统生成的单词到单词校准学习短语到短语校准。所述系统将并集概率模型用于源语言到目标语言的翻译应用和目标语言到源语言的翻译应用。