类词

摘要： "柠檬X"类构词是当今社交媒体上最流行的网络流行语之一,是对人们嫉妒心理的一种描述.在阐明"柠檬X"类热词的含义和由来的基础上,分析其内涵义、风格义、感情义和反射义,并运用认知语言学中的图形-背景理论、隐喻理论来解释其产生的认知机制,并试图从语言使用者的心理、语言的类推作用和网络媒介的推动作用三个方面探寻这类词流行的原因.

摘要： 随着网络媒体的发展,“X货”构式逐渐火热,“货”有类词缀化的倾向.本文以“X货”族词为研究对象,从语义内涵和句法结构特点两个方面进行分析,尤其强调“货”的新变化,并在此基础上探索其类词缀化的表现.我们认为表示某类人的“货”在“X货”类词语中,位置通常固定在句尾,意义有虚化的趋势,并且能够在类推机制的作用下产生大量同词族的新词.因此可以将这一类“货”视为一个类词缀,它们的产生是内外因素共同作用的结果.

摘要： 随着社会产业化与智能化融合的加速,一系列“智慧”概念得以涌现.针对当前国内研究者对Smart、Intelligent与Wisdom“智慧”概念词英文表达的择用困境,本文进行了以下研究:(1)应用CNKI平台检索出了国内研究论文中与“智慧”概念相关的样本词,然后借助所构建的样本词矩阵关系表达及其相似性计算方法选择出了目前国内的新兴“智慧”概念相关高频共现样本词,基于此来确定了当前国内的核心“智慧”概念词集合;(2)在参数化表达及相关性分析模型的支持下,挖掘出Web of ScienceTM核心合集中与这些核心“智慧”概念词集合所对应的Smart、Intelligent和Wisdom“智慧”概念类词,从而建立映射关系网络;(3)依据所构建的分布特征和集中性测度模型,最终揭示了Smart、Intelligent和Wisdom“智慧”概念类词的全球分布性和集中性.研究表明:Smart“智慧”概念类词在全球各国的分布性上相对比较均衡,并且在全球绝大多数国家和语种维度上的集中系数均比较高,说明以Smart为主的“智慧”概念词表达占据了国际主流位置.

摘要： 说Squalia(AFT)~①Squalia(AFT)学说行世以来受到国际语义学家注意,众说纷纭。我一向欣赏Chomsky最简方案的思想,用最少规则说明事物的必要条件。我以为谚语和口头禅就是表达一个思想的最简形式,如"情人眼里出西施"。下面是我所理解的解释squalia的最简方案:m-factor是该词所属的词类,规定本词类的词可与哪些词类的词搭配;a-factor是本类词可与哪些形容词搭配;s-factor是本类

摘要： 提到做家务、家事这类词,我相信肯定有人会头大,我就是其中一员。每次看到妈妈不是在厨房洗洗涮涮,就是在房间里擦这擦那,我就觉得很好奇：一个人怎么可以这么天长日久地面对这些琐碎的家事？我完全没有遗传妈妈爱干净又不怕麻烦的优点,一直逃避做家务，觉得既费时费力又没有成就感。

摘要： 《义务教育语文课程标准》中提出:"阅读叙事性作品,了解事件梗概,能简单描述自己印象最深的场景、人物、细节,说出自己的喜好、憎恶、崇敬、向往、同情等感受。"在十几年的教学工作中,我感受最深的是:在文学作品中,人物形象是最鲜活的,他的一言一行、一举一动,是学生模仿的对象,是学生崇拜的偶像,能对学生品格的形成产生巨大的影响。如何将这些教材中塑造的人物形象身上折射出的品质传递给学生,便于学生

摘要： 完形填空主要测验学生的语言综合运用能力,包括基础知识的掌握和运用,对整个文章逻辑联系的理解,在情景中辨析词义的能力以及词组短语搭配的使用能力,这是大部分考生认为难度最大的考查项目。很多考生都惧怕做英语中完形填空的题。其实只要我们有信心,有良好的心理素质,再加上一定的技巧,完形填空并不是不可逾越的鸿沟。一、注意短语和语法的搭配一般短语是由动词+介词,或动词+副词构成,在现代英语中,这类词组很多

摘要： 高考考前的实战模拟,直接影响着高考的成败得失。作为高三必备的一环,如何提高高考仿真题命制的含金量和实战模拟的成效,从市场上纷繁复杂的各种模拟套题和真题中解脱出来,顺应新课标下课改的要求,根据考纲,探索适合自己学情,考情的高考仿真题,已是时与势的必然。为此,笔者结合自己的教学经验研究探索了新课标下高考英语仿真题的命题特点、误区、原则、趋势和注意事项,以供参考。

摘要： 板块一：复习回顾,整体把握师：通过上节课的学习,我们知道,这篇课文是围绕着一句话向我们介绍的。（出示：维也纳是世界著名的音乐之都。）那么,作者分别是从哪几方面来介绍的？生：维也纳是欧洲古典音乐的摇篮。生：维也纳是一座用音乐装饰起来的城市。

摘要： 【教学目标】1.巩固生字词的写法,并对它们的含义进行深度理解,以求牢固掌握重点词语。2.理清课文的脉络,聚焦林肯的三次讲话,发现林肯说话的艺术,读好＂三次讲话＂。3.通过林肯的讲话,感受林肯的人格魅力,获得人生的启示。

摘要： 本发明涉及一种结合语义类节点与边权重的关键词搜索KSANEW算法。包括：数据存储阶段，该阶段随着知识碎片的到来，动态地更新知识库中语义类、实体和属性等数据；关键词查询阶段，该阶段考虑到知识图谱的模式层相较于数据层数据量小，提出查询种子模型，该模型将查询关键词映射到模式层上，接着通过两类扩展方式，分别是基于节点的大权值方向扩展方式和基于边的大权值方向扩展方式生成候选种子模型，然后通过评分函数对候选种子集合进行评分排序，最后以高评分的候选种子作为查询种子，将查询种子作为指引，在数据层上进行分布式搜索，得到查询结果。

摘要： 本发明提供了一种寻址类查询词的挖掘方法及系统，该方法包括：对用户点击日志中记录的域名相同的主域URL进行归一化处理，生成对应的主域名，并依据所述主域URL对应的查询词生成所述主域名的查询词集合；对所述查询词集合中的查询词进行切词，并统计得到的分词的出现次数，确定出现次数最多的分词中最长的分词为所述主域名对应的核心词；确定所述查询词集合中包含所述核心词且被查询次数最高的查询词为所述主域名对应的寻址类查询词。根据本发明提供的技术方案，能够自动挖掘生成寻址类查询词集合，提高寻址类Bad Case挖掘召回率。

摘要： 本发明提供了一种基于搜索词的问答类搜索结果呈现方法和装置，该方法包括：基于用户的当前搜索词，在问答知识库中搜索到与所述当前搜索词匹配的至少两条相关知识问答对；将来自同一问答知识库的至少两条相关知识问答对合并为一条整合相关知识问答对结果，并呈现。本发明实施例在问答知识库匹配搜索词对应的问答类结果，使得提供给用户的搜索结果更加准确、全面。并且，本发明能够依据数据资源的来源灵活地、智能地将来自同一问答知识库的多条相关知识问答对合并，实现按照不同的问答知识库进行分类，提供给用户的时候能够以类来提供，进而在各类中为用户提供更多更细的相关知识问答对，提供给用户的信息量大。

摘要： 一种文字处理方法，特别是一种针对组合字类关键词的过滤方法，采用本方法对信息进行检测可以识别组合字类关键词，并将敏感、违规的词项存储下来供用户选择不同的方式将其处理。

摘要： 本发明公开了一种社科文献关键词标引方法，包括对文献审读和主题分析；对文献进行标引，并对社科类文献建立主题概念与关键词的对应关系；控制关键词标引专指度；控制关键词标引深度。本发明解决了社科类文献关键词误标、漏标、滥标、过标，致使学术成果不能得到有效检索的问题。

摘要： 本发明公开了一种从多类文本中提取关键词的方法，包括以下步骤：步骤一，文本按类收集；步骤二，关键词按类提取；步骤三，关键词合并；步骤四，关键词精选；将相同类型的文档放到一个集合中，各个类别的文本集合记为D1，D2，D3等，利用关键词提取器提取每个类别下所有文档的关键词，在自然语言处理领域，关键词的提取比较重要，它的应用不限于文本的摘要或者信息的检索或者文本的分类或者文本相似的比较等；本发明是从多个类文本中提取关键词的方法，该过程不依赖昂贵的多次迭代计算，增加软件的运行效率，更加不需要额外的有监督学习的标注工作，还可以应用于初筛关键词的基础上再次精确提取。

摘要： 本发明公开了一种用于智能生成类文本的业务热词识别转换的方法，收集语料并构建业务热词库；将智能生成得到的文本按业务热词的长度进行划分，并分别与热词进行一次简要快速的相似度匹配计算，过滤掉绝大部分相似度较低的划分词；对保留的相似度较高的划分词，再进行一次具体的相似度匹配计算，保留相似度高的划分词；使用语料训练统计语言模型，将保留的相似度高的划分词，采用热词对其进行替换形成新的句子文本，用预训练好的语言模型对替换前与替换后两个句子进行打分；根据语言模型打分结果，判定替换是否保留。可以快速和智能地为智能生成的文本进行识别匹配，在文本中的词汇与热词相似度较高及替换后语句流畅度较高的情况下实现智能替换。

摘要： 本发明涉及一种结合语义类节点与边权重的关键词搜索KSANEW算法。包括：数据存储阶段，该阶段随着知识碎片的到来，动态地更新知识库中语义类、实体和属性等数据；关键词查询阶段，该阶段考虑到知识图谱的模式层相较于数据层数据量小，提出查询种子模型，该模型将查询关键词映射到模式层上，接着通过两类扩展方式，分别是基于节点的大权值方向扩展方式和基于边的大权值方向扩展方式生成候选种子模型，然后通过评分函数对候选种子集合进行评分排序，最后以高评分的候选种子作为查询种子，将查询种子作为指引，在数据层上进行分布式搜索，得到查询结果。

摘要： 本发明涉及语言处理技术领域，尤其涉及一种结合类词信息的语言模型预训练方法，其包括如下步骤：S1、提供预训练模型及预训练文本；S2、抽取字符串并形成词表；S3、抽取两个句子作为训练语句同时将训练语句分割成单字序列；S4、将步骤S2中的字符串和单字序列中的字进行匹配，并对和单字序列中的字相匹配的字符串进行标记；S5、将单字序列之中选取预设比例的单字进行遮盖或替换，且将遮盖或替换过的训练语句和被标记的字符串同时输入至预训练模型中对预训练模型进行训练并优化；S6、重复步骤S2‑S5直至预训练模型达到设定的优化条件以获得优化后的预训练模型。本发明提供的结合类词信息的语言模型预训练方法及预训练模型在多个下游任务上有更好的表现。

摘要： 本发明涉及语言处理技术领域，尤其涉及一种结合类词信息的语言模型预训练方法，其包括如下步骤：S1、提供预训练模型及预训练文本；S2、抽取字符串并形成词表；S3、抽取两个句子作为训练语句同时将训练语句分割成单字序列；S4、将步骤S2中的字符串和单字序列中的字进行匹配，并对和单字序列中的字相匹配的字符串进行标记；S5、将单字序列之中选取预设比例的单字进行遮盖或替换，且将遮盖或替换过的训练语句和被标记的字符串同时输入至预训练模型中对预训练模型进行训练并优化；S6、重复步骤S2‑S5直至预训练模型达到设定的优化条件以获得优化后的预训练模型。本发明提供的结合类词信息的语言模型预训练方法及预训练模型在多个下游任务上有更好的表现。