词义变化

摘要： 凤凰汉语方言夹杂个别土家语词,是一种客观存在的语言现象;在一些土家族语言研究的专著和《凤凰县志》中都有相关记载和论述。文章主要考察凤凰汉语方言词汇系统中土家族语词借入的情况,分别从“全借”“半借”“变换语音”三个角度来分析土家语借进凤凰方言的方式及特点,讨论其借入后词义扩大与缩小的变化情况。

摘要： 事件速递2021年3月份,清华大学校内网课平台上出现了一门名为《摸鱼学导论》的课程,上千人选了这门"摸鱼"课。据了解,这门课旨在让同学们得到"摸鱼小技巧""提升幸福感",并且不设期末考试。原来,开课的"高老师"是清华大学大一新生,他称"摸鱼"课是个玩笑,想让大家放松。

摘要： 词汇是一门语言当中最不稳定的成分,一直在发生着变化.词义作为词汇的一部分,同样也在不停地变化,并且还会一直持续下去.本文主要从三个方面探讨词义变化,即词义变化类型、词义变化原因以及了解词义变化的意义.

摘要： 词义的变化是人类语言的普遍现象。词义是词的灵魂,因此,了解英语词义的历时演变是非常有必要的。文章结合词义的概念,介绍了词义的辐射型和连锁型两种演变过程,总结了词义变化的四种趋势——词义扩大、词义缩小、词义升格和词义降格,以期通过词义的历时演变对语言学习者带来一些启示:了解词的来源,增加学习者的学习兴趣;建立单词词义自我辨析的语感,进而准确使用单词;借助词义关系,让阅读更轻松等。

摘要： 词义的变化是人类语言的普遍现象.词义是词的灵魂,因此,了解英语词义的历时演变是非常有必要的.文章结合词义的概念,介绍了词义的辐射型和连锁型两种演变过程,总结了词义变化的四种趋势——词义扩大、词义缩小、词义升格和词义降格,以期通过词义的历时演变对语言学习者带来一些启示:了解词的来源,增加学习者的学习兴趣;建立单词词义自我辨析的语感,进而准确使用单词;借助词义关系,让阅读更轻松等.

摘要： 汉语中不断涌现的新词最能体现当代汉语的特质,是“语言反映社会”的敏感因子.文章以近一年来频繁出现的汉语新词“迷惑行为”为切入点,对其词义特征以及词义变化过程进行了细致地考察,分析了日语语源汉语外来词在词义变化上的一些重要特点,即源词义与本土词义之间的融合与竞争关系.文章作为一项典型性实例研究,对揭示汉语外来新词的词义变化规律具有重要的启示意义.

摘要： 由于地理位置和社会文化的因素,在蒙古语各方言土语中科尔沁土语受汉语的影响比较深.因此,本文主要从词义的扩大、缩小及转移等三方面来解析蒙古语科尔沁土语中汉语词的具体应用情况,并得出由于蒙古语和汉语的系统不同,在其借入过程中不仅对词的语义做出适当的修改,也会岀现错误识别语意现象.

摘要： 英语中,几乎很难找到只有一个意思的单词,但最初大多数单词都是单义的,它们的诸多意义是在实际运用中随着社会历史的变迁而逐渐演化而来。了解词义演变的方式,知道这些词义都是怎么来的,对词汇的教与学有着重要意义。语言学家对词义演变方式的归纳各不相同,罗姆(Adrian Room)在《词义变化词典》(A Dictionary of Changes in Meaning)中将词义变化的方式分为十一大类;汪榕培在《英语词汇学教程》中主要归纳了三种方式;陆国强在《现代英语词汇学》中总结了七种方式。因此,词义演变有哪几种方式并无定论,在此仅归纳最能帮助学习者理解词汇多种意义之间关系的四种方式。

摘要： 本文讨论新媒介背景下汉语词汇的发展变化.研究对象主要是信息网络时代产生出来的新词语,以及借用现代汉语的原有词形表示出来的网络语境中的新义.内容主要包括以下几个方面:一是新词语的形式丰富,呈现出多元化和多样化的特点.二是词义变化的方式、类型和修辞的关系.三是新词语对现代汉语原有的词汇系统的影响.主要表现为同音词的增加,同义词的增多.四是新词语的构词和造词分析.造词上以修辞格仿词和类推法、简缩法最为常见.五是新词语理据性较强,在构成上具有鲜明生动形象、多样化的特点.六是新媒介背景下的汉语新词语在辞书编纂中的入典问题.

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： 本发明涉及自然语言处理的技术领域，更具体地，涉及一种基于词向量的检测词义随时间变化的方法。本发明在普通词向量的基础上考虑上了时间维度，相比普通的词向量，丰富了词向量在不同时间上的语义表示。有助于自然语言处理更高层次上的应用。而不像现有方法，将所有数据都认为是在同一个时间段内，忽视了时间对词义的影响。另一方面，通过对比词在不同时代的词向量的变化，可以观察到词随时代变迁的词义变化情况，有助于语言学家，历史学家的考察。