词义系统

摘要： 核心义是隐含在词义背后高度抽象概括的意义,可以统摄一个词义系统中的多数义项。"容"是从古至今使用频率极高的常用词,通过对其词义系统的整理,可以明确本义为"容纳"的"容1"和假借义为"容貌"的"容2"是一对同形词,它们各有一个核心义以及由各自的核心义统摄的词义系统,由此进一步总结出利用核心义整理词义系统的一般方法和重要意义。

摘要： 核心义是隐含在词义背后高度抽象概括的意义,可以统摄一个词义系统中的多数义项."容"是从古至今使用频率极高的常用词,通过对其词义系统的整理,可以明确本义为"容纳"的"容1"和假借义为"容貌"的"容2"是一对同形词,它们各有一个核心义以及由各自的核心义统摄的词义系统,由此进一步总结出利用核心义整理词义系统的一般方法和重要意义.

摘要： “格物致知”观是一种对事物进行深入剖析、把握事物的特征规律从而获得正确认识的研究观念。古人在词义系统的建构中多处体现了“格致”观,“格物”是指分析词义之“理”,即构成词义系统的要素、类别和关系等这些具体内容,“致知”是对词义之“理”形成系统性的认识,具体表现为在义类建构中进行“审察分理”、在词义关系建构中做到“察之几微”、在词义系统多维建构中实现“思之贯通”。从古人对词义之“理”的认识过程来解读词义系统构建中的“格致”观,可以揭示出古代词义系统建构中的理性认知和科学精神。

摘要： “悲催”是近年产生的网络热词,关于它的写法和意义来源多有讨论.文章认为“摧”“催”本同源,但后来二者意义发生了分化.“悲摧”是并列结构,符合构词理据.“摧”的“悲伤”义是由“伤害”义发展而来的,同类词语也有同样的引申规律.

摘要： 汉字是记录语言的书写符号,与语言相比较,汉字的变化发展较为缓慢。但是由于人们认知水平的提高与其自身内部系统的演变,汉字在形音义三个方面会产生一定的变化。本文以"畏"的形体结构为出发点,分析其本义为"害怕"。并以此为基础,梳理了"畏"的读音和词义系统。

摘要： 曹炜先生的《现代汉语词义学》一书作为国内第一部对现代汉语词义给予全面共时描写的专著,在词汇学史上具有重要意义.不仅为词义研究理论体系框架的构建奠定了坚实的基础,更是对现阶段词义学相关的研究成果进行归纳整理并提出新的观点.此外,曹炜先生在此书中还对适合汉语词典释义的研究原则和方法进行归纳.

摘要： 本文通过"好"字的构形,分析"好"概念的基本内涵和"好"词义的核心,梳理"好"语义和用法的发展,分析归纳"好"的词义系统."好"概念的基本内涵是人与外界互动时的一种舒适愉悦的心理体验,其语义核心是感觉舒服、满意,字形从"女(母)""子"在一起会意."好"在古代汉语中的具体语用义如关系亲睦、生活安宁、貌美、善良等,都有某一方面让人感觉舒服、满意的内在含义,现代汉语"好"的基本用法就是主观满意的评价."好"的其他意义和用法都是从核心语义"舒适满意"出发引申发展出来的.

摘要： 本文通过“好”字的构形,分析“好”概念的基本内涵和“好”词义的核心,梳理“好”语义和用法的发展,分析归纳“好”的词义系统。“好”概念的基本内涵是人与外界互动时的一种舒适愉悦的心理体验,其语义核心是感觉舒服、满意,字形从“女(母)”“子”在一起会意。“好”在古代汉语中的具体语用义如关系亲睦、生活安宁、貌美、善良等,都有某一方面让人感觉舒服、满意的内在含义,现代汉语“好”的基本用法就是主观满意的评价。“好”的其他意义和用法都是从核心语义“舒适满意”出发引申发展出来的。

摘要： “趋”、“趣”上古本为同一词的不同书写形式,不同于一般认为的趣趋为通假字.发展到唐代,表示快走、趋向意义的用“趋”,表示意趣、志趣的用“趣”.它们各自分担了几个义位,成了不同的词.礼节性快走义随社会的发展变化而消失,快速、使快的意义为别的词语替代了.考察“趋”、“趣”义位之间的关系,除了常说的隐喻、转喻,还有因语法组合而给词增加了新的概念要素;考察以快速义的“趋”、“趣”为中心的词汇系统,有标记的不自然的用法被无标记的自然的用法覆盖而被替换掉;词语读音相近或相同,意义用法相同或一个能包含另一个,词语之间就会发生整合,保留最典型的.

摘要： 本文认为指称义、客观属性义和主观评价义构成了一个分层级的词义系统,词义系统内部的各个层级,甚至各个词义分子也都有着不同的论域.要实现语义识别,还需要从论域的构建着手。

摘要： 本发明公开了一种文本相似度、词义相似度计算方法和系统及应用系统。该方法包括下列步骤：根据词汇数据库进行初始化，计算得到所述词汇数据库中词汇间的初始词义相似度，并根据初始词义相似度计算文本间的初始语义相似度；根据初始化得到的词汇间的词义相似度和文本间的初始语义相似度，交替迭代计算文本集中的各个文本间的语义相似度和词汇间的词义相似度直至收敛，根据迭代计算的收敛结果，以最终词义相似度构造所有词汇间的最终词义相似矩阵；根据所述最终词义相似矩阵，将原始文本的文本词频向量变换为新的文本词频向量，计算出所述文本集中文本相似度。其能够显著提高现有的文本相关的，特别是有关短文本的信息检索技术的性能。

摘要： 本发明属于信息安全技术领域，公开了一种云环境中支持词形词义模糊检索的可搜索加密方法及系统，采用布隆过滤器结构建立关键词的安全索引，以支持文件动态更新；采用局部敏感哈希函数来完成词形模糊匹配；利用自然语言工具箱对关键词进行词义拓展，构造词义模糊集，并插入构建的安全索引中，从而将支持词义关键词检索转化为精确匹配检索；通过构建查询向量与索引向量进行内积运算实现对检索结果的排序；使用哈希函数和安全knn算法使得该发明能够有效的抵抗选择关键词攻击，实现了在云服务器半可信的情况下对密文的搜索。实现了密文搜索功能，支持词形和词义模糊匹配、多关键词检索、动态添加和删除文档。

摘要： 本发明公开了一种文本相似度、词义相似度计算方法和系统及应用系统。该方法包括下列步骤：根据词汇数据库进行初始化，计算得到所述词汇数据库中词汇间的初始词义相似度，并根据初始词义相似度计算文本间的初始语义相似度；根据初始化得到的词汇间的词义相似度和文本间的初始语义相似度，交替迭代计算文本集中的各个文本间的语义相似度和词汇间的词义相似度直至收敛，根据迭代计算的收敛结果，以最终词义相似度构造所有词汇间的最终词义相似矩阵；根据所述最终词义相似矩阵，将原始文本的文本词频向量变换为新的文本词频向量，计算出所述文本集中文本相似度。其能够显著提高现有的文本相关的，特别是有关短文本的信息检索技术的性能。

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： 本发明提出一种基于词义相似度的智能数据治理方法和系统。其中，方法包括：中文分词：将一个词语或语句进行分词处理；词性标注：在中文分词的基础上，对分词之后的词语或语句进行词性的标注；关键字提取：基于词性标注之后的结果，根据所需要的词性划分，进行关键字提取；相识度判断：对关键字提取之后的词语或语句与分类分级模版中的相关词语进行比较，给出相似度。本发明提出的方案，帮助提高数据治理过程中数据的分类以及匹配的自动化以及准确度。平台通过集成自然语义分析等技术手段，实现数据安全基础元数据与分类分级的自动智能匹配，通过匹配的过程不断的完善语料库，实现平台自我学习的过程，从而提高匹配的效率和准确度。

摘要： 本发明公开了一种用于意图识别的词义角色标注方法及系统，方法包括：输入句子序列、谓词序列、谓词上下文和谓词上下文区域标记；将谓词序列和谓词上下文扩展为与句子序列长度相同的序列；将句子序列、谓词序列、谓词上下文和谓词上下文区域标记转换为词向量序列；将句子序列、谓词序列、谓词上下文和谓词上下文区域标记的词向量序列输入双向LSTM模型；通过双向LSTM模型学习输入序列的特征表示，得到新的特征表示序列；将新的特征表示序列输入条件随机场；通过条件随机场对新的特征表示序列进行标注，得到标注结果。本发明能够有效的实现自动词义角色标注，减少意图识别中构建词义标注语料库的时间和成本。