动词化

摘要： 语言学里,单元音化、元音高化、辅音塞化、辅音擦化、实词虚化、名词化、动词化、语法化、范畴化、语境化等一些概念具有一个共同的形式特征,即它们都是“X化”现象。解正明博士的学术专著《认知生物语言学与六书模型研究》(中国国际广播出版社2021年版,以下简称解著)认为,语言学里这种“X化”现象体现出一个十分重要的语言机制,即大脑中的语言信息代谢机制。

摘要： 语言学家Halliday认为,名词化是语法隐喻的核心,也是生成语法隐喻最有力的方式。近年来,功能语言学家将目光聚焦于名词化,并对其进行了深入系统的研究。然而,动词化作为人们日常交流中普遍存在的语言现象,却一直鲜少受到关注。本文在系统功能语法的框架下,从语法隐喻的角度出发,探究英语动词化现象的四种类型及相应转换机制,以期对动词化现象进行更加全面的阐释。

摘要： 英语亲属称谓名词虽然不如汉语的亲属称谓名词那样纷繁复杂,但却有名词动词化的灵活用法.本文试图从认知语义学的转喻和隐喻、识解理论、原型和意象图示角度来探究英语亲属称谓名词动词化过程中所带来的语义变化的认知理据和深层动因.

摘要： 名词动词化是英语语言中常见的语法现象,英语名词转化为动词的用法,不仅是语义和构词的转换,从根本上说体现了人们隐喻系统思维方式的转换,是认知范畴的跨越.本文对英语名词动词化中概念隐喻的文化认知因素进行研究,力图加强英语学习者对词汇性质转换背后文化认知思维过程的了解,增强词汇运用能力.

摘要： 在现代英语中,利用转类法构成新词是一种常见的语言现象,其中最活跃的是名词的动词化现象。所谓名词的动词化,指的是名词没有任何形态变化而直接用作动词。这种转化使得语言的表达更加简洁、形象、生动。名词的动词化现象大致可以归纳为下面几种情况。

摘要： 文章回顧漢語語法研究史中從名物化到指稱化的片段,指出學術研究,特别是人文社會科學的研究,常常需要返回原點重新出發,站在新的理論高度展開經典重讀,梳理學術發展的脈絡,這是學術不斷創新的必備條件,也是學術研究的正途。

摘要： "件"在中古时期的动词用法是量词"件"在一定语境中的动词化的结果.量词"条"具有跟"件"意义接近的动词用法, 二者可以互证.在中古、近代汉语中, 名词"条件"发生了词汇化, 其意义主要是通过招因推理形成的.%The usage of"jian"as a verb in ancient times was the verbalized consequence of the quantifier"Jian"in certain context.The quantifier"tiao"has the verbal usage similar to the meaning of"jian".The two can be mutually proved.In ancient times, the noun"tiaojian"underwent lexicalization, and its meaning formed through factor reasoning.

摘要： 本发明公开了一种古汉语文本的一体化自动词法分析方法，包括以下步骤：采用Word2Vec模型预训练得到具有语义特征的古汉语的字向量；将历朝历代文献中出现过的信息数据加入到古籍专名数据库中形成若干专有名词词条；调整Bi‑LSTM‑CRF神经网络模型的各参数，将所述最终训练语料预处理成模型可读的形式，加载到所述神经网络模型中，不断迭代学习，并对测试语料的标注结果进行自动评价。本发明采用断句、分词、词性标注一体化的标注方法，省去了词法分析多项子任务的重复标注过程，也避免了重复标注错误的多级扩散；本发明采用深度学习模型，可以自动学习到丰富的语言特征，省去了传统机器学习中人工定制特征模板的工作；本发明所述的标注模型采用GPU硬件加速，可以大大缩短模型训练的时间，效率比传统的机器学习模型要高很多。

摘要： 本发明涉及一种多动词汉语概念复合块的动词层次分类的方法，包括以下步骤：步骤1)对汉语句子进行词语切分和词性标记；步骤2)将所述句子分割为小句；步骤3)将所述小句中的多个动词进行层次划分；步骤4)将动词分为两类；步骤5)利用改进的CCC分析器对动词进行分析；步骤6)针对多动词的小句进行分析直到队列元素为空。本发明可以减少因动词的层次分析错误而导致的句子整体层次错误，从而提高组块分析的准确性，为后续进行复杂句的句法语义分析打下了很好的基础，可以很好地满足实际应用的需要。

摘要： 一种基于深度学习的动词短语省略消解方法，它属于计算机人工智能技术领域。本发明解决了现有动词短语省略消解方法存在的触发词判断和先行短语识别准确率低的问题。本发明对确定好的数据集1和数据集2进行预处理；判断触发词的过程加入了对句子上下文特征和句子级特征的提取，将提取的句子特征转化为向量输入支持向量机，进而根据支持向量机的输出结果确定输入句子的触发词；最后利用多层感知机，从触发词生成的多个候选先行短语中识别出正确的先行短语。本发明提取句子特征时加入了上下文特征和句子级特征，可以使触发词判断的准确率达到90％左右，先行短语识别的准确率达到85％以上。本发明可以应用于计算机人工智能技术领域用。

摘要： 本发明公开了一种基于关键动词特征全密度传递的服务机器人指令解析方法。在已知应用环境下工作，构建服务机器人的各种候选服务下的各种服务指令文本的数据库，对服务指令文本进行预处理；将数据库划分为训练集和验证集；采用斯坦福文本分析工具对每条服务指令文本进行分词，获得关键动词的上下文特征；搭建全密度双向长短期记忆网络模型，用训练集训练模型参数，验证集进行超参数调试；针对待测的一段文本指令处理提取获得候选服务的类型及其候选服务下的指令语义。本发明将服务指令解析任务转化为框架分类及框架填充两个子任务，通过精准地捕捉提取到带有冗余信息的服务指令文本中的核心要素，用于辅助机器人理解复杂的指令意图。

摘要： 本发明公开了一种基于关键词和动词依存的中文实体关系抽取方法，以大规模非结构化自由文本为目标文本，首先对文本进行分词、抽取关键词，形成文本关键词词库；然后对文本进行分句、分词、词性标注、命名实体识别、依存句法分析处理，结合命名实体词库和关键词词库构建实体语料库；根据中文句子构成特点、句法结构以及词语间的依存关系从动词出发构建实体关系句法规则，再对文本中每个句子进行关系句法规则的匹配；最后输出关系三元组，得到文本关系三元组集合。本发明能够使大规模中文文本的实体关系抽取更加有效，更加精确。

摘要： 本发明涉及机器翻译技术领域，尤其涉及一种面向神经网络机器翻译的日语动词识别、词性标注方法及系统。该方法包括以下步骤：S100、删除日语文本中的左邻接标志和结尾标志的特殊词汇；S200、查找选取得到候选动词；S300、切分得到待还原候选动词，对候选动词进行还原，若验证其正确，则该候选动词还原成功；S400、对还原成功的动词及其变形词尾进行切分，标注词性及其语法意义。本发明通过加入二次判断机制及完善复合动词的识别处理规则，提高了动词识别的准确度；同时对动词及其变形词尾进行词干、词尾、可能表现、时、态、情态的切分，有效提高了词法分析的准确性，从而有效提升了译文质量。

摘要： 本发明实施例公开了一种用于语音连麦互动的互动词汇更新方法及装置，所述方法包括：通过对包含有与语音连麦互动标识所对应的特征词的检索式进行检索，从网络侧获取各搜索结果所对应的原始网页；从所述原始网页中提取出与预设网页模板所匹配的词汇获取网页；从所述词汇获取网页中提取出满足预设特征的至少一对目标词汇，并将所述至少一对目标词汇添加至互动词汇数据库中。本发明实施例所提供的用于语音连麦互动的互动词汇更新方法通过从网页中提取出满足语音连麦互动需求的互动词汇，实现了语音连麦互动词汇的自动更新，提高了语音连麦互动词汇的更新效率。

摘要： 本发明公开一英语体系动词性结构表达训练方法，包括以下步骤：展示带有至少一动词性结构的英语表达，其中所述动词性结构选自动介结构、动分结构以及动副结构的一种或其组合；提取并显示所述英语表达中的所述动词性结构；以及提取并显示所述动词性结构的拆分形式，其中所述动介结构的拆分形式为动词和介词的组合，所述动分结构的拆分形式为动词和分词的组合，所述动副结构的拆分形式为动词和副词的组合，以此方式基于动词性结构(动词+介词结构，动词+分词结构，以及动词+句子结构)对学员进行语言训练。

摘要： 本发明公开了一种古汉语文本的一体化自动词法分析方法，包括以下步骤：采用Word2Vec模型预训练得到具有语义特征的古汉语的字向量；将历朝历代文献中出现过的信息数据加入到古籍专名数据库中形成若干专有名词词条；调整Bi‑LSTM‑CRF神经网络模型的各参数，将所述最终训练语料预处理成模型可读的形式，加载到所述神经网络模型中，不断迭代学习，并对测试语料的标注结果进行自动评价。本发明采用断句、分词、词性标注一体化的标注方法，省去了词法分析多项子任务的重复标注过程，也避免了重复标注错误的多级扩散；本发明采用深度学习模型，可以自动学习到丰富的语言特征，省去了传统机器学习中人工定制特征模板的工作；本发明所述的标注模型采用GPU硬件加速，可以大大缩短模型训练的时间，效率比传统的机器学习模型要高很多。

摘要： 本发明涉及一种多动词汉语概念复合块的动词层次分类的方法，包括以下步骤：步骤1)对汉语句子进行词语切分和词性标记；步骤2)将所述句子分割为小句；步骤3)将所述小句中的多个动词进行层次划分；步骤4)将动词分为两类；步骤5)利用改进的CCC分析器对动词进行分析；步骤6)针对多动词的小句进行分析直到队列元素为空。本发明可以减少因动词的层次分析错误而导致的句子整体层次错误，从而提高组块分析的准确性，为后续进行复杂句的句法语义分析打下了很好的基础，可以很好地满足实际应用的需要。