过去分词
过去分词的相关文献在1979年到2022年内共计850篇,主要集中在常用外国语、教育、社会科学丛书、文集、连续性出版物
等领域,其中期刊论文850篇、专利文献958篇;相关期刊350种,包括内蒙古电大学刊、新东方英语(中英文版)、阅读与作文:英语高中版等;
过去分词的相关文献由785位作者贡献,包括李士芗、姜经志、张满胜等。
过去分词
-研究学者
- 李士芗
- 姜经志
- 张满胜
- 籍万杰
- 郝昌明
- 黄老邪
- 刘文俊
- 刘芳
- 周振邦
- 周贞雄
- 曾军
- 李亮
- 李冬梅
- 李文畴
- 汪咏梅
- 袁菊
- 裴光宇
- 陈卫锋
- 何一希
- 何光云
- 何桂金
- 俞江涛
- 刘志萍
- 刘裕松
- 刘雪风
- 刘鹏
- 吴元培
- 吴鹏
- 唐承浩
- 孙小峰
- 孙玉忠
- 尹继友
- 崔荣斌
- 张丹
- 张娟娟
- 张敬
- 张祥美
- 张艳丽
- 易仲良
- 曾克辉
- 李云
- 李勇
- 李明华
- 李毅
- 李秀林
- 李红新
- 杨灵微
- 毛东辉
- 浦秋菊
- 王建勋
-
-
张伟伟;
许涵
-
-
摘要:
分析中学英语语法教学存在的问题。概述基于语料库的数据驱动学习模式及语料库应用于语法教学的国内外已有研究。提出语料库数据驱动教学充分关注真实语境激发学习者学习的自主性和能动性。构建中学英语语法教学模式,并以过去分词教学为例,从需求分析、语料提取、观察引导、规则总结、巩固练习五个环节探讨该模式的具体操作,力图为语法教学提供新思路。
-
-
付利
-
-
摘要:
非谓语动词是英语表达中必不可少的部分。非谓语动词包括不定式、动名词和分词(过去分词、现在分词)。因为非谓语动词同时兼有多种词类的特点,譬如,从结构上看,它具有动词的典型特点(时态、语态);从句法功能上看,它具有名词(主语、宾语、表语、补语)、形容词(定语、表语、补语)、副词(状语)等词的特点。所以熟练掌握、准确运用非谓语动词,对提升我们的书面表达有着很大的帮助。
-
-
-
熊媛媛
-
-
摘要:
英语中表“原因”的介词有好几个,在用法上也各有特点。本文选择了十个常用介词,在参考相关辞书的基础上通过举例加以解析。1.at:常与表达感情的形容词、动词及过去分词连用,涉及造成情感变化的原因。
-
-
郁春苗
-
-
摘要:
被动语态强调主语是动作的承受者,是英语动词的基本语态形式之一,也是初中英语学习的重难点内容之一。对此,笔者归纳了英语被动语态的命题热点,以期同学们能够顺利掌握。热点之一:被动语态的基本用法被动语态,通常由"be+及物动词的过去分词"构成,其基本用法如下:(1)当句子主语是动作的承受者时,应使用被动语态。例如:The window was broken by him.这个窗户是他打破的。
-
-
杨秀峰
-
-
摘要:
Q1【问】我在新目标教科书上看到这样一句话:You have to be prepared to give up your normal life.请问这里prepare为什么要用被动语态呢?如果用被动语态翻译也不通顺啊?答在这个句子里,be prepared并不是被动语态,prepared也不是动词的过去分词,而是一个形容词。be prepared to do是一个固定搭配,意为"愿意做",如:How much are you prepared to pay?你愿意出多少钱?所以原句不能翻译成"被准备",而要翻译成"你得愿意放弃你的正常生活"。
-
-
王化清
-
-
摘要:
英语中大多数动词的过去式和过去分词都是由"动词原形+-ed"构成的,这类动词叫作规则动词(regular verb);也有一些动词不以加-ed的方式构成其过去式和过去分词,这类动词叫作不规则动词(irregular verb)。初中阶段这类不规则动词总共有100多个,数目虽然不多,但它们的使用频率却相当高,也是学习的难点和重点。我们在平时的学习中要善于归纳和总结,找出一些便于记忆的变化规律,以便有效地记忆。
-
-
-
-
摘要:
重点知识园地重点单词1.matter n.问题;事情What’s the matter?=What’s the trouble?=What’s wrong?怎么了?/出什么事了?用于询问某人有什么病或某人遇到什么麻烦、问题。其后跟询问对象时,与介词with连用。What’s the matter with you?你怎么了?2.lie v.(lay)躺;平躺lie是动词,意为"躺",过去式和过去分词分别为lay和lain,现在分词为lying。
-
-
-
-
-
- 杭州电子科技大学
- 公开公告日期:2022.03.08
-
摘要:
本发明公开了一种基于分词工具共性信息和部分监督学习的分词方法。本发明步骤如下:(1)使用大量无标注数据和BiLSTM神经网络预训练一个具有多种分词工具共性信息的BiLSTM模块,获得训练好的BiLSTM神经网络模块;(2)使用少量标注数据训练初始分词模型,得到基于卷积神经网络和多种分词工具共性信息的初始分词模型M0。(3)利用M0对大量无标注数据集进行标注,得到大量伪标签数据。修改M0中的损失函数,利用少量标注数据和大量伪标签数据共同训练损失函数修改后的M0,得到基于多种分词工具共性信息和部分监督学习的中文分词模型M1。(4)迭代步骤(3)n次,得到最终分词模型Mn。本发明提高跨领域中文分词的准确率。
-
-
-
-
-
-
-
-