汉语句子

摘要： 翻译填空就是给出一个汉语句子,要求给出其译文。但根据命题人的意图,将译文中的关键词语留空,让学生根据所给汉语句子,把挖去的词语还原到原来的位置。为了便于评卷,大多数是每空一词,也有不限所填写词数的。翻译填空题以考查习惯用语为主,也有考查连词、介词、动词、代词等,当然也有涉及对语法的考查。

摘要： 在英语教学中,一个重点教学内容就是复合句式。这种句式结构比较复杂,其中的主从关系比较多,从句的存在给同学们造成了很大干扰,使翻译出现了困难。而定语从句又是复合句式中比较频繁使用的一种,并且汉语语法中只有定语修饰词,没有定语从句,这又给同学们的学习和翻译加大了难度。因此,本文将介绍几种翻译定语从句的方法。一、前置法前置法就是将定语从句翻译成带有"的"的句子,并将翻译后的句子放置在被修饰的词语的前面,这种方法能够将复杂的定语从句翻译成比较简单的汉语句子。

摘要： 汉译英是考查英语水平的重要题型。部分同学在把汉语句子翻译成英语句子时,因为抓不住翻译的要点,所以有时会出现翻译错误。现说明几种进行汉译英的技巧。一、抓句子的主干部分同学在翻译的时候,不了解汉语句子与英语句子结构的区别,导致在翻译时,找不到能够把汉语句子和英语句子对应起来的句子结构。

摘要： 河北考生书面表达Dear Terry,I heared that you will go to Chinese friend’s family.You want to know about rules of China.In the China,have many rules.Now,I will tell you three important things. Firstly,You must go to early of the time,Don’t became a later,Because,this is very worse for China,Besides,You need to buy good gifts for family every person.This is vert important for Ch-ina.Last but not least.

摘要： 在我们讨论汉译英谓语选择前,首先要清楚汉语和英语各自常用的句子仕组织顺序。两种语言在语序方面是存在差异的。有研究指出,汉语句子按“时间顺序”(chronological order)进行组织:比如“吃了饭再走”就很顺,而“离开前先把饭吃了”就有些别扭——这么进行表达,往往是说话者想要强调什么。

摘要： "字"是汉语句子长度测量的可靠单位,通过对120万字汉语本族语者语料中的所有句子进行切分、统计,发现汉语以"字"为单位的句长分布范围为1-63个字,平均句长为10.91个字,最高频句长区间为6-8个字,最常用区间为2-15个字.汉语句子在所有句长上呈"长尾"分布,在高频区间上呈正态分布.1-30个字句长句子的"字"、"词"匹配和各区间句子的频次分布有其内在规律.

摘要： 翻译句子题在近几年中考英语试卷中出现的频率较高，出题形式有翻译填空、翻译句子等，所考查的知识点、题目的设计编排也越来越灵活。翻译句子一般采用根据给出的汉语句子完成英语句子的形式，它一般空出一个或几个空，空格内有时限填一个词，有时不限制词数。

摘要： 英语句子与汉语句子一样，都是由单词按照一定的规则所组成的。不同的词类在句中所起的作用是不同的。因此，只有搞清不同词类在句中可充当哪些成分，才能正确分析、理解句子的含义，并能准确地遣词造句，逐渐达到流利地说出地道的英语。。

摘要： 使用基于规则的ATN(扩充转移网络)模型来识别汉语句子中的组块.通过自定义一种指定格式的文法文件构造规则集,编译该文法文件并构造自动机以实现ATN模型,从而完成基于规则的汉语句子的组块识别.该系统已应用于名为NIHAO的机器翻译系统中,使得机器翻译效果得到了明显改善,并为深层次的句法分析打下了良好基础.

摘要： 现代汉语句子的时间信息,是由句中的各个单位及其关系共同编码的,因此必须建立起整体的时间认知模型才能计算.包括三个方面:1、将时间性质分解为事件的基本阶段(起始、持续、终结)、事件的时段(确定时段、相对小量、相对大量)和认知窗口的时间基点等认知要素,对事件类型进行分类,在此基础上,构建有关时间的认知模型.2、对现代汉语句子中可能出现的每一单位和关系,用事件类型符号和时间要素符号进行翻译,所得的结果——该单位或关系的元语言表述式(翻译式)——表明了该单位或关系在编码时间信息时究竟表现什么意义.3、在认知模型中建立一个由规则驱动的运算系统,将元语言表述式化简为最简表述,它即是句子整体编码的时间信息.

摘要： 汉语句子是语块的序列.一个句子有(7±2)个语块.在无语用制约的里层句子中,语块顺序取决于对时间序列的“摹象性”.在有语用制约的表层句子中,语块顺序取决于对交际情境的“应境性”.总之,汉语句子的语序取决于“语意的先决性,句法的强制性,语用的选定性”.

摘要： 基于知识图理论及方法,研究了如何从语法规则和义素分析生成表示句子意义的句子图.扩展了知识图理论,给知识图增加了角色节点和义素成分的概念,以便更确切地表示句子的含义;角度节点表示词的句法信息,而义素成分(包括修饰成分)表示词的语义信息和修饰关系.提出了相关算法,算法的实现分两部分:第一部分,通过句法分析获得句法树;第二部分,通过义素分析,结合句法树的信息,从词图生成句子图.这一方法展现了从语义背景下消除句子歧义的可操作性.

摘要： 本发明公开了一种用于将简体汉语句子转换为繁体汉语句子的方法和设备。所述方法包括：由基于简体‑繁体字符一对多转换表的序列标注模型，对输入的简体汉语句子进行序列标注，以得到多组序列标注结果及其组概率；对所述简体汉语句子进行分词和词性标注；根据所述简体汉语句子中的歧义字的词性和歧义词的转换概率中的至少一个以及所述组概率，从所述多组序列标注结果中选择最佳标注结果；以及按照所述最佳标注结果，基于所述一对多转换表，将所输入的简体汉语句子中的、所述一对多转换表中出现的简体字符转换为繁体字符；其中在所述一对多转换表中，每一个简体字符对应于按顺序排列的多个候选繁体字符。

摘要： 本发明提供了一种汉语句子混合模板的挖掘方法及装置，其中，该方法包括：获取预设文本，所述预设文本包括正例文本和负例文本；对预设文本中的每个句子分别进行分析处理，确定句子的每个词语的词语参数；根据所有词语的词语参数生成句子的候选模板；根据所有句子的所有候选模板合并生成不含有重复候选模板的模板列表，并生成正例模板集和负例模板集；从模板列表中选取目标候选模板，根据目标候选模板的正例次数和负例次数确定目标候选模板的模板类型。该方法生成的句子模板是词、词性、命名实体和句法依赖关系的混合表达，可以更加充分地刻画一个句子中存在的语言规律，模板匹配能力强。

摘要： 一种汉语句子功能成分分析方法，本发明涉及汉语句子功能成分分析方法。本发明的目的是为了解决现有技术没有考虑汉语句子的功能成分的问题。过程为：一、对训练语料进行处理，对CTB5.0进行转化，转化成带有功能成分标签的形式，进行修正得到修正后的语料；转化成基于字粒度的形式，作为A；二、将A输入句法功能成分分析器进行训练得到汉语句子功能成分分析模型C；三、对纯汉语文本数据进行处理，得到带有功能成分标签的句子，转化成基于字粒度的形式，作为B，将A与B相结合作为最终的训练数据；四、采用汉语句子功能成分分析模型D对待测试汉语句子进行测试，得到测试结果。本发明用于句子功能成分分析领域。

摘要： 本发明属于语言处理领域，公开了一种基于贝叶斯统计学习的医学古汉语句子切分方法，在所述的基于贝叶斯统计学习的医学古汉语句子切分方法对句子识别的朴素贝叶斯方法的基础之上，对于特征属性再添加二元组与三元组或者进行一元组、二元组、三元组多样特征属性组合得到多组实验数据结果，最后得出最佳模型；进而实现医学古汉语句子切分任务。本发明与实际处理文本内容相结合，通过本实验方法将现有技术各项特征的F值可提高至少25个百分点，本发明中系统地分析与归纳了医学古汉语文本句子识别规则，实现了可以应用于实际中医医学领域的处理方法，建立了医学古汉语文本的句子识别语料库，进一步让科研成果发挥出更大的作用。

摘要： 本发明公开了一种计算机拆分汉语句子的方法,其包括以下步骤：步骤S1，建立基础数据库；所述基础数据库包括基础词库和可以判断单个汉字之间相互组合成词的优先顺序原则的汉字组词优先原则判断数据库；步骤S2，将需要被拆分的汉语句子与步骤S1中建立的基础词库进行匹配比对，将需要被拆分的汉语句子拆分成词；步骤S3，将步骤S2中拆分得到的词进行词性分类处理；步骤S4，对词性分类处理后的词进行重新组合成汉语短语；即完成对被拆汉语句子的拆分。本发明将通过与化学元素分析类似的方法来分析句子，通过代码简单、运算量小的计算机软件实现，对整个汉语句子进行准确、快速的拆分，为汉语句子分析提供有效的基础保证。

摘要： 本发明公开了一种用于将简体汉语句子转换为繁体汉语句子的方法和设备。所述方法包括：由基于简体-繁体字符一对多转换表的序列标注模型，对输入的简体汉语句子进行序列标注，以得到多组序列标注结果及其组概率；对所述简体汉语句子进行分词和词性标注；根据所述简体汉语句子中的歧义字的词性和歧义词的转换概率中的至少一个以及所述组概率，从所述多组序列标注结果中选择最佳标注结果；以及按照所述最佳标注结果，基于所述一对多转换表，将所输入的简体汉语句子中的、所述一对多转换表中出现的简体字符转换为繁体字符；其中在所述一对多转换表中，每一个简体字符对应于按顺序排列的多个候选繁体字符。

摘要： 本发明公开了一种基于BERT的汉语句子简化方法，包括以下步骤：步骤1）获取汉语常用词词频表，预训练汉语嵌入模型，义元数据库并获取词语集合，词频，词向量表示与义元表示；步骤2）假设需要简化的句子为s，利用分词工具对s进行分词和词性标注；步骤3）根据词性对内容词进行筛选；步骤4）对句子中的内容词，利用BERT中文模型，获取该词的候选替代词语集合并过滤噪声词；步骤5）利用多个特征，对每个复杂词的候选替代词语集合进行排序；步骤6）确定最终的替代词。本发明没有利用任何标注的平行语料，充分利用预训练语言模型，填补了中文文本简化领域的空白并取得了良好的效果。

摘要： 本发明属于自然语言处理技术领域，公开了基于两个层次Bi‑LSTM的汉语句子排序方法，在词向量训练语料上采用word2vec得到训练语料中词语的词向量；对选取的汉语句子排序语料进行预处理；采用第一层次的Bi‑LSTM模型实现在词向量的基础上生成汉语句子的句向量；采用第二层次的Bi‑LSTM模型实现汉语句子的排序；训练用于进行汉语句子排序的第一层次的Bi‑LSTM模型、第二层次的Bi‑LSTM模型；在测试语料中输入待排序的一组汉语句子，进行汉语句子排序及后处理。本发明将汉语句子排序问题转换为一个多分类问题，将输出结果通过归一化指数函数做多分类处理，取得了较好的汉语句子排序结果,且实现较简单。

摘要： 本发明涉及一种基于卷积神经网络(Convolutional Neural Network，CNN)的词义消岐方法。本发明首先对汉语语料进行处理，对包含歧义词汇的汉语句子进行分词、词性标注和语义标注处理，得到处理好的训练语料和测试语料；然后利用训练语料对模型进行训练，得到优化后的CNN模型；在优化后的CNN模型上，对测试语料进行消岐，得到歧义词汇在每个语义类别下的概率分布；具有最大概率的语义类别即为歧义词汇的语义类别。本发明对歧义词汇实现了很好的消岐，更准确地判断歧义词汇的真实含义。

摘要： 本发明提供了一种汉语句子混合模板的挖掘方法及装置，其中，该方法包括：获取预设文本，所述预设文本包括正例文本和负例文本；对预设文本中的每个句子分别进行分析处理，确定句子的每个词语的词语参数；根据所有词语的词语参数生成句子的候选模板；根据所有句子的所有候选模板合并生成不含有重复候选模板的模板列表，并生成正例模板集和负例模板集；从模板列表中选取目标候选模板，根据目标候选模板的正例次数和负例次数确定目标候选模板的模板类型。该方法生成的句子模板是词、词性、命名实体和句法依赖关系的混合表达，可以更加充分地刻画一个句子中存在的语言规律，模板匹配能力强。