词汇深度知识

摘要： 将元分析(Meta-Analysis)和结构方程(SEM)相结合,定量分析了12项独立实证研究结果中二语词汇知识与二语听力理解的相关性.通过双变量相关性分析和调节分析发现,词汇广度知识(VS)对听力理解(LC)、词汇深度知识(DVK)对听力理解、词汇广度知识对词汇深度知识都有直接的正向影响,但它们之间的关系受到研究对象相关因素、出版相关因素的影响.路径分析的结果表明:词汇深度知识对于听力理解的作用优于词汇广度知识对于听力理解的作用.最后针对研究对象相关因素、出版相关因素,如何进行二语词汇与听力的教与学提出了建议.

摘要： 将元分析(Meta-Analysis)和结构方程(SEM)相结合,定量分析了12项独立实证研究结果中二语词汇知识与二语听力理解的相关性。通过双变量相关性分析和调节分析发现,词汇广度知识(VS)对听力理解(LC)、词汇深度知识(DVK)对听力理解、词汇广度知识对词汇深度知识都有直接的正向影响,但它们之间的关系受到研究对象相关因素、出版相关因素的影响。路径分析的结果表明:词汇深度知识对于听力理解的作用优于词汇广度知识对于听力理解的作用。最后针对研究对象相关因素、出版相关因素,如何进行二语词汇与听力的教与学提出了建议。

摘要： 基于功能语言学语境理论、二语词汇习得理论和语言输入输出理论,采用结构方程模型技术考察了双语词典、语境听读、语境辨析、语境联想、定期复习、语境造句和语境翻译这七种语境化词汇学习策略与词汇深度知识之间的关系.研究结果表明,七种语境化词汇学习策略对词汇深度知识均有显著的正向的影响,但影响力大小不一.研究结果对二语词汇教学有一定的启示.

摘要： 本文将认知语言学领域的原型理论与二语习得领域的词汇习得相结合,探讨原型理论对英语二语词汇深度知识习得的启示.文章首先回顾了传统的经典范畴理论到原型范畴理论的历程,对两者做了系统的对比,然后从原型角度剖析了英汉构词的差异,最后提出原型理论给予二语词汇深度知识的习得四个方面的启示.

摘要： 本文基于学习者语料库CLEC和笔语语料库WECCL探讨高中到大三学段英语学习者词汇深度知识的发展.研究发现英语学习者词汇深度知识的发展具有阶段性、复杂性和片面性的特点,其词汇组合关系的发展落后于聚合关系的发展.学习者主要通过扩大词汇量来建立新的组合关系,而词汇的复杂语法结构和搭配词的拓展则严重不足.学习者的近义词语义网络取得了良好发展,但对近义词在组合关系上的异同习得不足.

摘要： 词汇深度知识作为词汇能力的重要组成部分,直接制约着英语学习者语言运用能力的发展,尤其是说、写、译等语言产出能力的进一步提高.本研究采用单词联想测试方式,从接受和产出两个角度考察英语专业大一新生词汇深度知识的习得情况,其目的是实现中学和大学英语教学的有效衔接,切实提高英语学习者语言运用能力.

摘要： 词汇深度知识作为词汇能力的重要组成部分,直接制约着英语学习者语言运用能力的发展,尤其是说、写、译等语言产出能力的进一步提高。本研究采用单词联想测试方式,从接受和产出两个角度考察英语专业大一新生词汇深度知识的习得情况,其目的是实现中学和大学英语教学的有效衔接,切实提高英语学习者语言运用能力。

摘要： 本文旨在研究FTC教学法在英语词汇教学中的实际应用效果.在为期一年的教学实验中,试验班级采用FTC词汇教学法,对照班级采用传统词汇教学,然后通过量表和测试,对两个班级学生的高考成绩,词汇量,和词汇深度知识测试成绩进行比较,使用spss软件对数据进行描述性统计分析和独立样本t检验.结果发现:FTC词汇教学法对提高学生的词汇量和词汇深度知识具有一定的积极作用.但是,FTC词汇教学法对学生词汇量的影响没有对词汇深度知识的影响那么显著.

摘要： 在词汇深度知识理论指导下,对如何从构词法,上下文和搭配三个方面挖掘词汇的深度知识进行研究,提出“一寻,二译,三创造”的英语词汇教学方法.

摘要： 本发明涉及用于大词汇量连续语音识别的深度信任网络。在此描述了一种方法，该方法包括致使处理器接收采样的行为，其中该采样是讲出的发言、在线手写采样或者移动图像采样之一。该方法还包括致使处理器至少部分基于深度结构与依赖于上下文的隐马尔科夫模型(HMM)的组合的输出对该采样进行解码的动作，其中该深度结构被配置为输出依赖于上下文的单元的后验概率。该深度结构是深度信任网络，其包括许多层非线性单元，这些非线性单元具有通过预训练步骤以及之后的细调步骤所训练的层之间的连接权重。

摘要： 本发明公开了一种基于知识库的词汇关系链分析方法、系统及装置，包括根据需分析词汇，搜索知识库中对应的资讯文章，建立得到对应的关联词列表和关联组合列表；根据需分析词汇，在各百科平台搜索库中进行搜索，建立得到对应的百科搜索关联词列表；根据关联词列表、关联组合列表和百科搜索关联词列表，得到需分析词汇的关系链分析结果。本发明通过在知识库和百科平台搜索库中进行分析，得到词与词之间的关系链，并通过列表进行展示，清楚直观，从而在资讯推荐过程中能够更好的处理优先级、相关性的问题，可广泛应用于知识库中。

摘要： 本发明涉及一种英语词汇知识点图谱自适应识别关联系统，尤其涉及自适应英语词汇管理领域，词汇列表导入后的词汇图谱关系创建、词汇音频资源自动生成。本发明提供一种英语词汇知识点图谱自适应识别关联系统，能够实现词汇列表导入后的词汇图谱关系创建以及词汇音频资源自动生成，可快速对词汇建立图谱关系，有效降低人工成本，降低词汇输入错误率，减少词汇编辑流程，降低词汇图谱关联复杂度。

摘要： 本发明可以被用于自然语言处理系统(100)中，以确定两个文本段之间的关系(例如，含义类似)。可以根据从文本段被生成的逻辑图表(例如，图3B、3C)来识别或确定该关系。确定第一个逻辑图表与第二个逻辑图表(图3B、3C)之间的关系。不管第一个逻辑图表与第二个逻辑图表(图3B、3C)之间是否有确切的匹配，都可以实现这一点。在一个实施例中，第一个图表(图3B)表示输入文本演讲单元。在一个实施例中，第二个图表(图3C)表示词汇知识库(LKB)(106)中的信息。即使输入图表和第二个图表在词汇或结构上有所不同，如果它们具有类似的含义，则两者也可以相互匹配。

摘要： 本申请涉及一种基于词汇知识和语义依存的知识图谱问答方法和系统，其中，该方法包括：对目标问句文本进行分词和编码，得到问句文本特征向量；对目标问句文本进行命名实体识别、关键词抽取和编码，得到查询实体集的查询实体集特征向量；再对目标问句文本进行句法解析和编码，得到查询实体集的句法依存特征向量；基于查询实体集从知识图谱中抽取候选答案集的子图并编码，得到子图特征向量；根据上述四种特征向量从知识图谱中得出目标问句文本的答案。通过本申请，解决了现有基于问句查询实体集的知识图谱问答存在精准度低的问题，实现了结合问句中的实体词汇知识和句法信息，进行多特征向量的融合，基于融合特征提高知识图谱问答的精准度。

摘要： 本公开涉及知识图谱技术领域，提出了基于深度嵌入表示和深度图计算的知识表示方法及系统，包括如下过程：针对被处理的知识图谱，利用深度图计算链接预测算法，根据知识图谱的图结构和语义信息，预测知识图谱中可能形成链接的实体对；利用深度嵌入自适应知识嵌入方法，采用自适应度量方法和深度嵌入空间投影相结合，验证链接预测阶段得到的实体对之间的关系，形成正确的三元组，更新知识图谱。本公开充分考虑知识图谱内部信息，基于深度嵌入表示和深度图计算，应用两种改进方法的结合方式实现知识图谱的缺失补全。

摘要： 本发明涉及用于大词汇量连续语音识别的深度信任网络。在此描述了一种方法，该方法包括致使处理器接收采样的行为，其中该采样是讲出的发言、在线手写采样或者移动图像采样之一。该方法还包括致使处理器至少部分基于深度结构与依赖于上下文的隐马尔科夫模型(HMM)的组合的输出对该采样进行解码的动作，其中该深度结构被配置为输出依赖于上下文的单元的后验概率。该深度结构是深度信任网络，其包括许多层非线性单元，这些非线性单元具有通过预训练步骤以及之后的细调步骤所训练的层之间的连接权重。

摘要： 本发明公开了基于主旨信息和子领域先验知识的词汇关联性确定方法，方法包括：获取材料文本、材料文本标题以及子领域材料文本，并对材料文本、材料文本标题以及子领域材料文本进行处理；基于处理后的材料文本与材料文本标题，确定材料文本与材料文本标题中科学词汇的词语初步表示数据；基于处理后的子领域材料文本，确定子领域材料文本中关键词的表示数据；基于关键词的表示数据与词语初步表示数据，确定科学词汇之间的余弦相似度，并基于余弦相似度确定科学词汇之间的关联性。本发明在词语的表示层引入富含子领域先验知识的文本信息，增强词向量表示特定领域材料科学词汇的能力，根据科学词汇的相似度进行筛选，精准得出科学词汇之间的关联性。

摘要： 本发明涉及一种英语词汇知识点图谱自适应识别关联系统，尤其涉及自适应英语词汇管理领域，词汇列表导入后的词汇图谱关系创建、词汇音频资源自动生成。本发明提供一种英语词汇知识点图谱自适应识别关联系统，能够实现词汇列表导入后的词汇图谱关系创建以及词汇音频资源自动生成，可快速对词汇建立图谱关系，有效降低人工成本，降低词汇输入错误率，减少词汇编辑流程，降低词汇图谱关联复杂度。

摘要： 本发明公开了一种基于知识库的词汇关系链分析方法、系统及装置，包括根据需分析词汇，搜索知识库中对应的资讯文章，建立得到对应的关联词列表和关联组合列表；根据需分析词汇，在各百科平台搜索库中进行搜索，建立得到对应的百科搜索关联词列表；根据关联词列表、关联组合列表和百科搜索关联词列表，得到需分析词汇的关系链分析结果。本发明通过在知识库和百科平台搜索库中进行分析，得到词与词之间的关系链，并通过列表进行展示，清楚直观，从而在资讯推荐过程中能够更好的处理优先级、相关性的问题，可广泛应用于知识库中。