句义

摘要： 传统语义学把研究重心放在词汇上,句子语义学作为新兴语言学分支视句子意义为其重要研究对象。对句子意义的理解指的是对句子意义的研究不能仅仅停留在语言层面,还要上升到言语层面。语义学对英语教育有着较为有效的指引作用,使得学生从根本上去理解英语试题命题的真正意图。

摘要： 传统语义学把研究重心放在词汇上,句子语义学作为新兴语言学分支视句子意义为其重要研究对象.对句子意义的理解指的是对句子意义的研究不能仅仅停留在语言层面,还要上升到言语层面.语义学对英语教育有着较为有效的指引作用,使得学生从根本上去理解英语试题命题的真正意图.

摘要： 古印度和古希腊都是世界文明古国,且两地的哲学也是东西方文化中的瑰宝。其中,印度的句义论和希腊的范畴论则是两地古代哲学形态中引人瞩目的理论。这两种理论在很多方面有相似之处,较明显的相似点是二者都对事物本身及其属性和状态等作了明确的区分,并将实体作为句义或范畴的基础;较明显的差别点是胜论派所说句义的含义与亚里士多德所说范畴的含义不同。胜论派在实句义外设立的句义与亚里士多德在实体外设立的范畴有对应的,也有不对应的。古印度的句义论和古希腊的范畴论之间是否会有一方借鉴吸收另一方的可能?根据现有材料无法作出完全肯定或完全否定的论断,但出现两处哲人不约而同各自独立提出相似理论的情况,可能性更大一些。

摘要： 中考英语单项选择题型设置的目的是考查学生通过识别语义和句义,在目标范围中找到所需要的语言信息;结合语境,对存储在记忆中的英语语言知识进行关联和检索;根据语言材料判断或用英语解析语句之间、事件之间的关系;根据语言材料所提供的语境和逻辑关系等特点用英语系统地、综合地运用语言解决问题。面对海量的英语语言知识,单项选择的复习迎考似乎成为广大考生的难题。下面,笔者基于近几年无锡市中考英语单项选择题,进行考题分析,提供复习建议。

摘要： 句义的附加义是句义中不由义位的组合表达的意思,换句话说它是句子“字面意义”以外传递给听话人或读者的内容, 也可以说它是话语意义减去句义基本义后剩余的部分。运用句义附加义是一种非常高明的修辞手段,在文学作品的创作或日常谈 话过程中如果能够恰当地运用句义附加义,则会使言语显得含蓄蕴藉,耐人寻味,或使话语鲜明生动,突显形象,抑或使语句韵 味无穷,发人深思,从而在不同的方面充分体现出句义附加义独特的语用价值,让我们的谈话乃至整部文学作品都变得引人入胜、 妙趣横生。

摘要： 诗歌最大的特点就是短小精悍,蕴含着一定的人文精神、山河情怀等,但很多教师在开展诗歌鉴赏教学的时候会采用传统的教学方式,以讲解、灌输为主.在这样的背景下,教师把学生放在了被动接受知识的位置,所以课堂教学的效率并不是很高,学生也没有真正的掌握诗歌的内容.那么教师应该如何开展高中语文诗歌鉴赏教学呢?本文从朗读、细节、整体三个方面入手,阐述了诗歌鉴赏教学在高中语文教学中的开展策略.

摘要： 《普通高中英语课程标准(2017年)》提到:句子结构是英语语法知识的重要组成部分,直接影响语言理解和表达的准确性和得体性。可见,对于英语句子结构的理解是高中生学习语法知识的重要一环。然而,句子结构学习对于高中生来说面临着不小的挑战。一方面是中英文的句子结构存在着很大的差异,中文的句子重在"句义",英文的句子则是"结构",这就导致了学生经常表达出"There are more and more people visit China"、"Susan,who works in a factory, born in 1908"等类似的病句。另一方面,句子结构学习涉及到谓语、非谓语、连词、补语等一系列的语法术语。这些术语让学生望而生畏,尤其是英语基础本来就不扎实的学生更是难上加难。

摘要： 2018年高考全国卷中对考生文言文阅读能力的考查,主要涉及文言断句、古代文化常识、文意理解和翻译句子等方面.本文从其中的两个关键知识点入手来进行透析,一是文言翻译应注意的问题,二是选文中升迁词的使用,希望能够对大家备考文言文阅读题有所帮助.一、一道翻译题,七个关键点作为高考语文瓶颈题之一的文言文翻译题,是以理解句义为前提的,而理解句义又要建立在积累相当数量的文言词义基础上,此外,还要掌握一定的技巧和方法.现以2018年高考全国卷的文言文翻译题为例,来谈谈需要注意的七个关键点.

摘要： 纵观古今中外存在各种各样的语义学,比如哲学语义学、逻辑语义学、语言语义学、普通语义学、认知语义学和语用学等.假如把两本语义学概论著作比较,很多时候会发现两本书内容几乎没有共同之处,即使同是语义学家,分歧也很大.因此在语义研究中,有必要对一些基本概念进行解析和分类.本文以哲学研究方法为中心,综述命题、句义和话语义概念的不同.

摘要： 将古文中的“今”解释为“若，如果”，是把句义当成词义之误。探讨其错误的根源与原因，有助于正确理解“今”的意义。在翻译古代汉语时，要注意句义与词义的区分。

摘要： 因果句解析装置具备：因果句提取部，其从文章提取包含原因表现和结果表现的因果句；取得部，其取得表示基准表现的信息，所述基准表现是用于对相似的程度进行解析的基准；相似度解析部，其针对所述因果句提取部提取到的因果句，算出原因相似度和结果相似度，所述原因相似度是该因果句所包含的原因表现与所述基准表现的相似度，所述结果相似度是该因果句所包含的结果表现与所述基准表现的相似度；以及期望因果句提取部，其提取所述因果句所包含的原因表现和结果表现中的一方与所述基准表现相似、且另一方与所述基准表现不相似的因果句。

摘要： 本发明涉及一种基于句义结构模型的文本数据生成观点摘要的方法及系统，首先提取网站上的待处理数据集，并对其进行预处理；然后构建话题语料集和背景语料集，并提取话题属性；接着进行语义权值计算，得到句子的语义权重值；再进行关联权重计算，得到句子的关联权重值；最后利用话题属性、语义权重值以及关联权重值在话题中抽取观点摘要。本发明从话题属性及其情感信息出发解决当前研究方法存在的问题，能够高效准确地得到话题文本的观点摘要，能够应用于更大规模数据集应用场景。

摘要： 本发明涉及一种融合句义信息的事件关系强度图构建方法。首先基于汉语句义结构理论，提取句子语义信息，扩充事件的特征维度，并利用改进的TF‑IDF方法完成事件向量表达，再结合上下文信息和核心事件信息优化事件向量，最后利用LDA方法获取事件之间关系强度，设定合适的关系强度阈值，构建事件关系强度图。本发明通过融合句义信息，提供了一种将孤立分散的事件以一种可度量形式关联起来的方法，并通过事件关系强度图直观展示事件间的关系，准确的定位核心事件，有力支撑后续基于事件关系的自动文摘、舆情预测等自然语言处理应用。

摘要： 本发明涉及一种基于句义结构模型的文本数据生成观点摘要的方法及系统，首先提取网站上的待处理数据集，并对其进行预处理；然后构建话题语料集和背景语料集，并提取话题属性；接着进行语义权值计算，得到句子的语义权重值；再进行关联权重计算，得到句子的关联权重值；最后利用话题属性、语义权重值以及关联权重值在话题中抽取观点摘要。本发明从话题属性及其情感信息出发解决当前研究方法存在的问题，能够高效准确地得到话题文本的观点摘要，能够应用于更大规模数据集应用场景。

摘要： 本发明提出一种句义数学空间表示方法、系统、介质和设备，包括：创建对称神经网络，对所述对称神经网络进行初始化；获取非结构化句子数据，创建句子数据集；对所述句子数据集进行预处理，获取所述句子数据集中的句义特征序列；将所述句义特征序列输入所述对称神经网络，获取所述句义特征序列的时序映射关系，通过所述时序映射关系形成句子的数学空间表示；本发明将领域知识形成句义的数学表示，可有效提高句子级检索的效率和准确性。

摘要： 本发明涉及基于句义结构模型的开放式实体关系抽取方法，属于计算机与信息科学技术领域。本发明首先提取微博数据的正文，进行分句、分词、去停用词和词性标注，再利用依存分析工具，得到依存句法解析树；其次通过基本名词识别规则确定候选论元，结合关系词抽取规则和论元抽取规则得到实体关系三元组，利用置信度计算规则筛选实体关系三元组，得到候选实体关系对；然后基于CSM计算句子相似度得到Sim1，基于PV计算句子相似度得到Sim2，并进行相似度加权融合得到句子相似度，从而得到句子相似度矩阵；最后通过生成的句子相似度矩阵，根据相似度阈值，划分相似句子组，并结合组内句子包含的实体关系对与其对应的置信度，合并组内实体关系对。本发明在NLP&&CC微博评测语料上进行实验，结果表明通过计算实体关系对置信度和划分相似句子组，合并组内实体关系对，提高了准确率和召回率，达到了去冗余的效果。

摘要： 本发明涉及一种融合分布式语义和句义特征的人物关系抽取方法，属于自然语言处理领域。本发明首先利用统计词频特征及Bootstrapping算法，分别在少量有标记的语料和大量无标记的语料中训练得到关系特征词典，然后通过元素距离最优化规则构造语句的三元组实例，融合分布式语义信息及语义信息构造三元组特征空间，最后对三元组进行是非二元判定，利用置信度最大化原则得到人物关系类别。本发明实现了特征关系词典的自动生成，将传统的关系多分类问题转化为三元组是非二元判定问题，更加适应传统的机器学习分类算法，且利用分布式语义信息，提升了关系分类的准确率。

摘要： 本发明为解决社交短文本句子相似度计算的特征稀疏问题，提出利用句义结构特征的句子相似度计算方法。首先基于句义结构模型分析句子语义，并利用主题模型挖掘潜在的主题知识，根据主题‑词语分布扩充句子特征，得到基于句子本身特征的句子向量，然后引入Paragraph Vector深度学习模型学习句子上下文特征，得到基于上下文信息的句子向量，最后加权由两种句子向量计算得到的句子相似度。本发明通过深度挖掘句子的语义信息和上下文信息，更加全面、准确地刻画了句子之间的内在联系，提高了相似度计算的准确率。

摘要： 本发明涉及一种融合句义信息的事件关系强度图构建方法。首先基于汉语句义结构理论，提取句子语义信息，扩充事件的特征维度，并利用改进的TF?IDF方法完成事件向量表达，再结合上下文信息和核心事件信息优化事件向量，最后利用LDA方法获取事件之间关系强度，设定合适的关系强度阈值，构建事件关系强度图。本发明通过融合句义信息，提供了一种将孤立分散的事件以一种可度量形式关联起来的方法，并通过事件关系强度图直观展示事件间的关系，准确的定位核心事件，有力支撑后续基于事件关系的自动文摘、舆情预测等自然语言处理应用。

摘要： 本发明提供了生成句义表达式的方法及装置、机器翻译方法及系统、自动根据上下文缩小词义解释范围的词语解释方法和根据上下文缩小词义解释范围的电子词典。其中为一个句子生成句义表达式的方法包括：根据所述语义单元表示库的原始语种的表示，编制语义单元表示树索引库；根据所述语义单元表示树索引库，为该句子中的每个字提取以该字为实量开始的语义单元表示树；逐字地对所述提取出的语义单元表示树进行剪枝；以及根据所述语义单元表示树中没有被剪掉的语义单元，求出该句子的句义表达式。