词义

摘要： 常见词"哀",由"吊唁""悼念"的本义引申出"悲哀,怜悯"义,再由"怜悯"义引申出有怜惜、怜爱的"爱护、爱惜"义,再扩展到普遍意义的"爱"."哀"作为谥号与其"怜悯"义有关,姓氏"哀"可能就是源于谥号.来源于方言或戏曲的称谓语"哀家",此写法只是记音字,其背后的含义与皇帝丈夫是否在世无关,与皇族女性婚否无关."哀家"是皇族比较有身份的女性的一种自称;在特定的语言环境里,它也代指某位特定的皇族女性,即有时是他称.

摘要： 根据手语的语音特征和语言"经济原则",发现在中国手语中存在相同音系参数手势下包含多种词义的现象。语料分析结果表明,主要包括"一词多义"和手语"同形异义"两种情况:手语"一词多义"中的多种词义可通过隐喻映射、原型范畴理论、转喻等认知机制互相产生关联,完成同组音系参数手势下的词义拓展;手语"同形异义"下的不同词义看似无任何关联,但可以通过形态上的相似性、认知凸显、概念隐喻等认知机制使得词义不同的手势寄于同一组音系参数下,从而完成不同词义之间语义相关性的构建。整个研究表明,手语作为一种自然语言,在其形成过程中充分利用了手语符号之间在认知上的关联,体现了语言系统中的"经济原则"。

摘要： 围绕"差一点没VP"句式进行研究,从"差一点"词汇语义辖域跨语言比较的基础性问题出发,在大规模语料中抽取"差一点"相关语料进行归纳,重点探讨了汉英语中该词汇近义场各成员间词义的细微差异,以期为歧义消解、语言教学及机器翻译等领域提供参考。通过替换方式考察认为,以"差一点"为核心,依照词义关联度的逐级递减顺序,存在"差一点≈险些(不希望发生的情况)≈几乎≈差不多"这样的等级序列,而在英语中则首先明确该词汇的不同对译方式,进而对各对译方式的句法语义特点进行区分辨别。

摘要： 简单地说,反训是一个词具有两个相反意义的词义现象,但细究起来,具体情况相当复杂。比如怎样界定意义的相反?相反的意义必须是共时还是历时也算?共时和历时如何区分?是独立的义位还是临时的语境义?独立与临时如何判定?是同一词的引申义还是外来寄生义?是词还是词组?等等。这些问题在理论上本就莫衷一是,若落实到一些具体词语,就难免见仁见智了。《金瓶梅词话》中的反训词可从成因的角度分为六种类型:行为目的不同造成的反训、反语造成的反训、同一行为涉及两端造成的反训、行为的受事及与事不同造成的反训、焦点效应造成的反训、不同义位引申造成的反训。原则上,反训指一个词自身引申而产生的两个相反相对的词义的现象,但鉴于反训具体情况的复杂性,选取讨论对象时宜从宽不从严,这不仅对正确理解古代相关文献有实用意义,而且对深入考查词义之间错综复杂的关系也有益处。

摘要： 清华简《四告》每告之末均有"宜尔祜(嘏)福"一句,其中的"宜"如何理解尚未落实。本文以语言学的眼光对上古传世文献中"宜"的用例作了穷尽性的考察,揭示出上古汉语中及物状态动词"宜"的真正语义是"适配",具体表述为"主体能满足‘与客体适配’的要求",在句中可翻译为"适合……、与……相配"。以此认识为基础,本文指出《四告》"宜尔祜(嘏)福"之"宜"应采取同样的理解,并对各告的相关诸句给出了详细的解释。本文还指出史墙盘、■钟、秦子簋盖、虢季钟铭文中的"义"所记录的也是这个"适配"义的"宜"。

摘要： 词与语是既相互区别又彼此关联的一个双向连续统,《朱子语类》文白相间,雅俗共存,新旧质素交融,其所载“黑腰子”“没口匏”“无心、有心”“心不在焉、心不在此、心不在躯壳里、心不在壳子里面、心不在壳子里”“心上、上心”等词语反映了“言语意义←→语言意义”间互动交融的转化,不仅可见词与语的研究密切相关,而且尚可藉以略窥汉语古今文白雅俗的演变。

摘要： 为什么能“买东西”而不能“买南北”?前人解释众多。汇集前人有关“东西”一词起源的解释34种,分析认为“东西”中蕴涵着中国人丰富多彩的地理环境观念,以东—西两极为代表的四方、四时、五行配五方构成了“天人合一”世界观,居安思危、生态文明同样蕴涵其中。

摘要： 《孔雀东南飞》中“公姥”(mǔ)被辞书和诗文注者释为“公婆”,“姥”有“丈夫的母亲”之义。通过梳理汉魏晋南北朝文献中“姥”及与其意义相关的一组词的使用情况,进而对“姥”的产生背景、词义有更为准确的把握。“姥”仅有“老妇人”之义,是魏晋南朝特定社会历史条件对词汇产生影响的一个具体而微的体现。

摘要： 孙兆霞等编《吉昌契约文书汇编》,收录了452份从清代至解放初的屯堡民间契约文书,存在一些校录失当之处,导致该书校录失当的原因有多种,但不明俗字和不明词义是其主要原因。今择取二十则可资商榷的例子,运用文字学、词汇学、文献学等学科的知识和方法,从因不明俗字而误和因不明词义而误两个方面,进行了仔细考辨。

摘要： 怀远方言里的“相”可以兼做动词、副词、名词、助词和词缀。它最初是个动词,在“省视、察看”的动词义基础上发展出表示动作方式的副词义,演化出表示相貌、状貌的名词义;继而又在名词义基础上通过虚化,产生了用以摹状的助词义和表示价值评价的词缀义。促使以上变化发生的主要原因是所指转移或虚化以及句法位置改变。

摘要： 俄语的语言特点决定了在实际的交流过程中,必须要注重对具体语境的分析,因为俄语单词通常都具有一个以上的含义,也就是通常所说的多义词,这种情况下,要想准确的理解和表达俄语语义,就必须要认真的研究俄语的语言环境.语言语境是制约多义词词义最重要的因素之，因此加强对语言语境制约功能的分析与研究是理解、掌握俄语多义词词义的重中之重。上文中笔者从名词的不同形式以及动词、形容词的不同语境对多义词的辨识问题进行了分析，希望以此来说明俄语多义词的具体含义的鉴别方式。

摘要： 词素义与词义的关系是词汇学、语义学、词典学、语源学研究中的重要问题，学界有多种认识，构建了不同的关系体系。本文从词的发生、发展，词素和词义在结构功能上的关系等方面入手浅谈了词素义与词义的关系。

摘要： 彝语四音格词是由四个音节或四个单音节字构成的一种特殊的词或短语,它是彝语不同方言区所共有的词汇形式.通过对彝语四音格词的统计分析发现:音节间和谐共存是其形成的重要语音条件,为其在口语中广泛运用奠定基础;并列式为主、内部结构松散为其构成提供了便利的语法条件,加之拆词法、衬音法的运用,造就了其庞大的群体数量;成词中词义扩大与转移广泛存在,使得其词义构成复杂化、使用灵活化.

摘要： 本文基于标注好的较大规模汉语中介语语料库,集中观察属于混淆误用的词语在词类分布上的特征.统计数据表明学习者在使用虚词时发生混淆的频率大大高于实词,虚词误用词对应的当用词的平均个数也高于实词.词的难易程度与词义的抽象程度有紧密的关系,词义抽象程度高的词比词义抽象程度低的词难掌握,表现在前者混淆误用的频次和复杂度都高于后者.

摘要： 将古文中的“今”解释为“若，如果”，是把句义当成词义之误。探讨其错误的根源与原因，有助于正确理解“今”的意义。在翻译古代汉语时，要注意句义与词义的区分。

摘要： 在词义的认知理解中应注意将词的“形象意义”和“形象色彩”区分开来，不能混为一谈。本文认为，词的形象意义是词义的重要组成部分，但词的形象色彩不属于词义的范畴，不能放到词义中去认识。

摘要： 句子相似度计算在中文信息处理中有着非常广泛的应用.本文采用农作物种子信息文本,对句子进行深入的研究,通过对的扩充,提出一种基于扩展的句子相似度的计算.该方法结合语料的特点,不仅考虑了句子间的公共子串,而且兼顾了词义距离.在对农作物种子文本的主题聚类的试验中,达到了比较满意的效果.

摘要： 绍兴话"偐子"[cie tse?o]一词,指因缺乏生活经验或不明事理而容易上当受骗的人,即蠢人。清范寅所著《越谚》收有大量反映绍兴地区语言风物的方言词语,也收入了该词。考证本字，通常要求把字音和词义两个方面结合起来考虑，音义两方面必须严格对应，综上所述，在恢复变化了的词义和本字原义的联系以后，可以认为，绍兴话“谚子”的本字就是“燕子”，来源于战国时燕王让位身死的史实。

摘要： 诸暨话的俗语中,像"毒头毒脑"一类词语(概括为"x头x脑"),数量比较多,在日常生活中使用的频率也较高.本文根据收集的资料,按词义、词性和语法功能等方面的差异,简略地进行介绍.

摘要： 本文针对结构义与词（语素）义之间既有区别又有联系的区别，提出了在语文辞书编纂中的处理原则。语文辞书的立项应以语义的转移为基点：只有当特定结构造成词（或语素）的语义发生了变化并且具有相对的稳定性，方可列为义项；而仅仅在句法结构中呈现的词的结构义，或仅仅复合词构成中呈现的语素结构义，应在辞书相应的位置、以相应的方式予以体现。

摘要： 本发明公开了涉及人工智能技术，公开了一种词义识别模型训练、词义判断方法、装置、设备及介质，该方法对第一待训练句子以及第二待训练句子进行文本预处理，得到初始训练文本；将初始训练文本输入至包含初始参数的预设识别模型中，得到文本分类向量、第一词向量以及第二词向量；根据文本分类向量、第一词向量以及第二词向量，确定与待训练句子组对应的预测词义标签；根据目标词义标签和预测词义标签，确定预设识别模型的预测损失值；在预测损失值未达到预设的收敛条件时，迭代更新预设识别模型中的初始参数，直至预测损失值达到收敛条件时，将收敛之后的预设识别模型记录为词义识别模型。本发明提高了词义识别准确率以及词义消歧准确率。

摘要： 一种基于上位词的词义消歧方法和设备、利用该词义消歧方法的词义扩展方法和设备、以及计算机可读存储介质。该词义消歧方法包括：接收输入语句(S101)；基于预定歧义词库，确定所述输入语句中的消歧目标词(S102)；基于对所述输入语句的句法分析以及上下文信息分析，确定所述目标词的相关词(S103)；确定所述相关词的一个或多个上位词(S104)；以及基于所述相关词以及所述一个或多个上位词的词形，词性及与目标词的句法关系，确定所述目标词在所述输入语句中的词义(S105)。

摘要： 本发明涉及自然语言处理技术领域，具体涉及一种基于随机游走的词义排歧和词义学习方法，其特征在于：采用如下步骤：步骤一、采用随机游走方法指对待标数据进行分类；步骤二、判断是否需要构造新类，若需要，则构造一个新类并考虑是否和以前的类进行合并；然后再进行随机游走分类。如果没有必要产生新类，则意味着结束；步骤三、对未标注的数据进行词义判定；它将词义排岐和词义学习抽象为一个更一般的基于部分指导的词义学习问题，为词义学习增加一部分指导，同时为词义排岐减少一部分指导；其从应用上说，有助于提高词义处理系统的鲁棒性、有助于建造义项级别的词汇资源，包括检测现有词汇语义资源的一致性、补充和丰富现有的词汇资源。

摘要： 本发明涉及一种基于上位词的词义消歧方法和设备，以及利用该词义消歧方法的词义扩展方法和设备。该词义消歧方法包括：接收输入语句；基于预定歧义词库，确定所述输入语句中的消歧目标词；基于对所述输入语句的句法分析以及上下文信息分析，确定所述目标词的相关词；确定所述相关词的一个或多个上位词；以及基于所述相关词以及所述一个或多个上位词的词形，词性及与目标词的句法关系，确定所述目标词在所述输入语句中的词义。

摘要： 本发明涉及一种基于图卷积神经网络(Graph Convolution Network，GCN)融合支持向量机(Support Vector Machine，SVM)的中文词义消歧方法。本发明首先预处理语料。对训练和测试语料的语句进行分词、词性标注和语义标注处理。以歧义词所在的句子以及歧义词两侧词汇单元的词形、词性和语义类作为消歧特征，消歧特征作为节点来构建词义消歧图。使用Word2Vec、Doc2Vec工具、逐点互信息(PMI)、TF‑IDF算法对图中节点和边的权值进行计算。训练语料训练GCN模型，将模型优化。利用优化后的GCN模型计算训练和测试语料的消歧特征，再将训练语料计算后的消歧特征输入SVM分类器中，优化SVM分类器，再对测试语料进行分类，得到歧义词汇在语义类别下分类情况。本发明具有较好的词义消歧效果，准确的判断歧义词汇的真实含义。

摘要： 本发明涉及一种基于图注意力神经网络(Graph Attention Network，GAT)的生物医学英文词义消歧方法。本发明首先对生物医学英文语料进行预处理。该步骤对训练语料和测试语料包含歧义词汇的语句进行词性标注和语义标注处理。以歧义词汇所在的句子，以及句中所包含的词形、词性和语义作为消歧特征，将消歧特征作为节点来构建词义消歧特征图，利用训练语料训练GAT模型，将模型进行优化。利用优化后的GAT模型，对测试语料进行词义消歧，可得到歧义词汇在各个语义类别下的概率分布。将概率最大值对应的语义类判别为歧义词汇的语义类。本发明具有较好的词义消歧效果，更准确的判断歧义词汇的真实含义。

摘要： 本发明提供一种基于词义分布假设构造的语言处理的方法和系统，通过将语句输入句法模型中，进行初步断句，得到第一词分量，将所述第一词分量逐个输入语义分析模型，得到第二词分量，获取当前语句的上文，根据上文的含义预测出接下来的候选词组，将其与第二词分量匹配，根据匹配结果赋予第二词分量的含义，进而得出语句的含义。

摘要： 本发明涉及一种基于知识图谱词义消歧的书评文本分类方法，属于自然语言处理技术领域。该方法包括：S1：获取书评文本数据集；S2：将文本进行分段处理；S3：对分段后的文本进行聚类并标签化，每个文本片段对应各自的外部知识实体；S4：词级文本预处理；S5：计算词级文本间的语义相似度、余弦相似度、目标函数以及得分；S6：提取文本片段的特征；S7：利用层次注意力网络提取各文本片段的特征信息，再对文本片段的特征信息进行一次层次注意力网路的文本处理，最终得到的特征信息经归一化处理完成文本分类。本发明能有效处理篇章级别的长文本数据。

摘要： 本发明提供一种基于视觉建模和词义分析的VR内容库的构建方法，包括步骤1、获取真实物体的图像数据，根据图像数据建模后得到三维模型导入VR内容库；步骤2、获取真实物体的物理属性，将物理属性对应映射至三维模型，同时生成基于三维模型的属性标签和属性标签集合导入VR内容库；所述物理属性包括颜色、形状和真实物体所处的场景；步骤3、获取剧本，对剧本进行词义分割后提取词义信息，然后基于词义信息检索三维模型，与三维模型及其属性标签匹配。本发明所述的方法结合虚拟现实内容的制作需求为虚拟现实内容制作匹配所需道具模型，从而提高制作效率、降低人力成本。

摘要： 本发明涉及一种基于孪生神经网络(SiameseNeuralNetwork)的英语句子词义消岐方法。本发明首先对英语语料进行数据清洗，然后对包含歧义词汇的英语句子进行分词、词性标注和语义标注，将其划分为训练语料和测试语料，然后构建训练样本对和测试样本对。通过训练样本对对孪生神经网络进行训练，得到优化后的孪生神经网络模型；在优化后的孪生神经网络模型上，使用测试样本对进行预测分类，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。