词类转换

摘要： 英汉翻译之所以要考虑跨文化背景和转换技巧,与英文和汉语之间存在的多方面差异有直接关系,造成差异的影响因素包括地域环境因素、历史社会因素、文化背景因素、生活习惯因素、宗教信仰因素,以及习俗因素等。基于不同的影响提出归化策略、相悖策略、句式转换翻译、词类转换翻译等针对性的翻译技巧,对于提升英汉翻译质量水平、体现翻译者的译文风格具有重要意义。

摘要： 汉英翻译是当代社会生活中最常见的工作业务之一.翻译工作的完成,不光是语言理解和语言表达的结果,同时也是两种语言在语言学特征上比对的结果.译文要保持意义的忠实是理所当然的,也是译员关注的焦点.但是,迎合目标语在语言学上的特征却往往被人们所忽略.事实上,迎合语言学特征同样是非常重要的,也是保证译文能够接地气的一个要点.本文主要针对汉语倾向于动态表达而英语倾向于静态表达这一语言学差异,讨论汉译英过程中对动词的处理策略,并且通过示例总结出保持英文静态表达风格的一系列手段.

摘要： 本文主要从实践的角度,结合英汉两种语言各自鲜明的语言特征,简要讨论了2019年政府工作报告的汉译英技巧,重点讨论了词语翻译中的词类转换和一词多译问题.

摘要： 词类转换译法是英汉翻译中一种常见的译法.通过这种译法的运用,不仅不会破坏原文的实质,还可使译文更准确到位,更符合汉语的语言习惯,起到事半功倍的效果.本文通过大量的例词和例句,探讨了排球英语中这些词类的特征及相应的翻译技巧.以期抛砖引玉,能为排球英语的阅读与翻译提供许些参考.

摘要： 汉语是动态语势,英语则是静态语势,所以汉译英时要尽可能把汉语动态语势转换成英语静态语势,采用的方法就是把一些汉语动词译成英语形容词.表示暂时性状态的英语形容词具有动词特征,英语形容词比较级表示状态的相对变化,更具有动作含义,因此把表示状态的汉语动词译为相应的英语形容词,把表达状态变化的汉语动词译成相应的英语形容词比较级,可使英语句子结构更简洁,语义更明晰和准确.

摘要： 随着经济全球化的步伐逐渐加快,国与国之间的交流与互动也随之变得日益频繁.作为世界上使用最为广泛的语言——英语,自然也就变得更加重要,与之相对应的英语翻译的作用也是日益凸显,对英文翻译人才的需要同样也在急剧增长.因此,对于如何提升英文翻译的能力与水平的相关问题的研究有着非常重要的理论意义与实践意义.文章试图在概述英文翻译中词类转换的基础上,进一步分析英文翻译中词类转换的一些技巧,并且也指出了词类转换在英汉翻译中的一些应用,最后对英文翻译中词类转换方法进行了实践性的探讨,以期能够为今后关于英文翻译中的词类转换的相关研究提供一定程度的借鉴意义.

摘要： 科技英语虽然没有文学英语那样在翻译上有较大的自由度，但由于英汉两种语言结构与表达方式的不同,有些句子汉译时不能逐词对译.为了更好地传达原文的思想内容使译文更符合汉语的表达习惯、更加自然通顺,在翻译时,常常需要进行词类转换,并不一定译成汉语中的相应的词类,而是要作适当的转换，比如语序的调整、句子成分的改变、句子结构和句子表达方式的转换、词义的引申等。

摘要： 本发明的镁系热电转换材料的制造方法具备：原料形成工序，相对于镁系化合物在0.5摩尔％以上且13.0摩尔％以下的范围内添加硅氧化物，形成烧结原料；及烧结工序，一边以10MPa以上的加压力对所述烧结原料进行加压，一边在750°C以上且950°C以下的温度范围内进行加热，从而形成烧结体。

摘要： 本发明涉及一种基于主题词类相似性的文档语义表示方法、文本分类方法和装置。该基于主题词类相似性的文档语义表示方法包括：1)使用词向量模型对语料进行训练，得到词向量；2)在语义空间内对词向量进行聚类；3)使用WMD算法计算待表示文档和聚类得到的每个类别之间的距离，将得到的距离作为待表示文档的语义表示。进而，通过计算文档的语义表示向量之间的相似性，实现文档的分类。本发明依据文本的语义信息和单词频率等信息，通过WMD模型计算文本单词和聚类集合之间的转移代价，将文本表示成一个低维稠密、包含语义信息的向量，能更好地表示文本信息，分类任务准确性高，可应用在信息检索、文本分类等自然语言处理任务中。

摘要： 本申请属于人工智能技术领域，提供一种基于神经网络的分词和词类标注方法、装置、计算机设备及存储介质，该方法包括：获取待分词的语料并输入到预先训练的第一DNN神经网络模型中，获取第一DNN神经网络模型响应待分词语料而输出的多个初始分词；计算每个初始分词的内部聚合度和信息熵，将内部聚合度和信息熵都超过设定的阈值的初始分词确定为最终分词。将最终分词输入预先训练的第二DNN神经网络模型以及KNN模型中，用于分析最终分词的候选词类及候选词类概率和相似词的词类及相似词词类概率，并返回概率最高的词类为最终分词的词类。本发明实施例在分词的同时完成词性标注的工作，进一步提高分词的精度，针对不同的场景提供最契合该场景的分词结果。

摘要： 密钥取得部(411)取得解密密钥与公开密钥的多个对中的转换源对的解密密钥(ski)、和转换目标对的公开密钥(pkj)。转换密钥生成部(412)利用公开密钥(pkj)对由密钥取得部(411)取得的解密密钥(ski)进行加密，生成转换密钥(rki→j)，该转换密钥(rki→j)用于将利用转换源对的公开密钥(pki)进行加密而成的密文转换成能够利用转换目标对的解密密钥(skj)进行解密的转换后密文。输出部(413)输出由转换密钥生成部(412)生成的转换密钥(rki→j)。

摘要： 本发明的镁系热电转换材料的制造方法具备：原料形成工序，相对于镁系化合物在0.5摩尔％以上且13.0摩尔％以下的范围内添加硅氧化物，形成烧结原料；及烧结工序，一边以10MPa以上的加压力对所述烧结原料进行加压，一边在750°C以上且950°C以下的温度范围内进行加热，从而形成烧结体。

摘要： 本发明的课题是，通过应用不分散波长转换物质且不使用稀土类而形成的波长转换膜，来提高光电转换效率。提供用于通过旋涂等方式简易地形成这样的波长转换膜的组合物。作为本发明的解决问题的方法是，提供一种形成光电转换装置用波长转换膜的组合物，其含有导入了荧光部位的聚合物或低聚物、以及溶剂。荧光部位被导入聚合物或低聚物的主链或侧链。另外，还提供由该形成波长转换膜的组合物形成的光电转换装置用波长转换膜。

摘要： 本发明提供一种非标准词类判别方法及计算机可读存储介质，方法包括：输入的包含非标准词的完整中文句子的字符序列并与非标准词的匹配规则以及中文词典进行匹配得到所有可能的候选的非标准词和潜在的中文词语；将上述内容组织成一个序列，获取字符序列中每个字符的字符嵌入；获取每个潜在的中文词语和每个候选的非标准词的词嵌入；从字符序列中每个字符、潜在的中文词语和候选的非标准词的头和尾位置得到的相对位置编码，基于字符嵌入、词嵌入及相对位置编码获取包括字符序列中的每个字符、每个潜在的中文词语和候选的非标准词构成的序列的上下文特征表示；基于上下文特征表示预测每一个候选的非标准词的类别；提高非标准词分类的效率和准确率。

摘要： 本发明公开了一种中文电子病例医疗实体词类标注方法，该方法包括两部分，第一部分为细粒度中文电子病历医疗实体类别划分规则制定与语料数据集构建；第二部分为基于结合门控注意力机制的中文电子病历医疗实体词类标注方法；根据中文电子病历文本特点制定了一种细粒度中文电子病历医疗实体标注规则，同时依照此规则构建了中文电子病历医疗实体语料数据集，并且基于中文电子病历行文特点发明了一种结合门控注意力机制的GATTLCN模型，通过门控注意力网络动态选择需要重点关注的上下文元素来增强文本聚焦，提升模型效果。运用此发明解决了中文电子病历细粒度医疗实体词类标注方面存在的不足。

摘要： 本发明涉及机器翻译技术领域，尤其涉及一种基于词类别的神经网络机器翻译方法、训练方法及翻译系统；所述翻译方法包括以下步骤：识别待译文本中的基本类别词；将基本类别词替换为类别代号，同时保存基本类别词和类别代号之间的对应关系；对替换为类别代号的待译文本进行机器翻译，得到中间翻译结果；将基本类别词进行规范化或翻译为目标语言；将中间翻译结果中的类别代号还原为规范化或翻译后的基本类别词，得到最终翻译结果。本发明所公开的基于词类别的神经网络机器翻译方法、训练方法及翻译系统，通过将待译文本中的相同类别词替换为相同类别代号再进行翻译，降低了待译文本的数据维度，提高了神经网络机器翻译的效率和准确性。

摘要： 本申请属于人工智能技术领域，提供一种基于神经网络的分词和词类标注方法、装置、计算机设备及存储介质，该方法包括：获取待分词的语料并输入到预先训练的第一DNN神经网络模型中，获取第一DNN神经网络模型响应待分词语料而输出的多个初始分词；计算每个初始分词的内部聚合度和信息熵，将内部聚合度和信息熵都超过设定的阈值的初始分词确定为最终分词。将最终分词输入预先训练的第二DNN神经网络模型以及KNN模型中，用于分析最终分词的候选词类及候选词词类概率和相似词的词类及相似词词类概率，并返回概率最高的词类为最终分词的词类。本实施例在分词的同时完成词性标注的工作，进一步提高分词的精度，针对不同的场景提供最契合该场景的分词结果。