英语定语从句浅谈

英语中的定语从句具有较强的表现力,出现的频率也较高,它对初学英语者是个难点,但要学好英语,这个难关又非过不可,下面就谈谈学习定语从句应注意的几个问题。 一、定语从句的结构和用法 做定语可以是单词,可以是短语,也可以是一个完整的句子。单词作定语一般放名词前,修饰不定代词一般放后面,介词短语,不定式短语,现在分词,过去分词短语一般都置于所修饰名词之后。一个句子作定语叫定语从句,定语从句放后。如:     

英汉修饰语的语序差异

由于汉语的线性序列原则是前端重量原则,汉语的定语不论有多长,通常都放在所修饰的中心名词前面。英语则不是这样,单词作定语时,可以放在所修饰的名词之前,大于短语的语言单位做定语时则通常放在所修饰的名词之后。本文通过分析英汉修饰语德语序差异,目的是使英语学习者更加正确的,灵活的使用这门外语。     

英语中长定语(从句)的译法

英语,特别是科技英语中,句子的某个中心词常常被若干个后置定语或定语从句所修饰.这是因为英语句法结构重“形合”,任何一个名词或名词词组,为了对它进行完整而明确的阐述,可以借助各种修饰结构(介词短语、不定式短语、分词短语、定语或同位语从句等)像滚雪球一样引出一长串修饰成分.而汉语讲“意合”,各个成分用意义串联,往往不需要连接词,一般句子较短.汉语中,一个名词,通常不用“叠床架屋”式的多重修饰语,因为过长的前置定语会使句子拖泥带水、冗长臃肿、晦涩难懂.     

基于组合深度模型的现代汉语数量名短语识别

数量名短语的识别是识别由数量短语修饰的名词短语左右边界的研究.以往研究中,基于统计学习模型的数量短语识别方法依赖人工特征,需要通过专家知识构建知识库来实现对"数词+量词"短语的识别.本文在以往研究基础上纳入"名词"形成"数词+量词+名词"等八类数量名短语,并采用深度学习方法解决这一边界识别任务.通过BERT模型对原始文...     

谈谈英语中的动作名词

英语中从动词派生出动作名词(ACTION NOUN),它在英文中出现频繁,与中文比较有所异同,熟悉它将更能很好地理解句子. 英语中动作名词与动词一般具有相同的含义但属于不同的词类,英语中动作名词经常可以更跟普通名词一样受修饰性短语的限制或修饰,从而在表达方式上具有其独特风格.     

基于依存句法的藏文属格结构统计研究

传统藏文文法格在功能上真实地反映了藏文句法结构,藏文中的属格表示人或事物之间的限制或领属、修饰、复指、总别和依存关系等,可作前置定语.藏文中名词短语是指语法功能相当于名词的短语,一般可以在句子中充当主语、宾语、定语等.文章采用语料实证和结构分析的方法,从句法功能的角度对属格助词在藏文名词短语中的结构及功能进行分析研究,从句法结构上总结和归纳了其结构特征,为多语言句法结构树库和框架语义构建提供最基本的语法信息.     

非时地名词语作状语的形式和语义分析

本文讨论不表示时间、处所的名词或名词短语作状语的形式,以及它们与所修饰成分之间的语义关系。     

浅析科技英语中名词与其后置定语隔位的结构

本文从四个方面对科技英语中名词与其后置定语隔位的结构作了较全面的分析。首先概括了名词与其后置定语隔位结构的类型,即“N. V. D.M.”、“N. Att. D.M.”、“N. Adv. D.M.”和“N. App. D.M.”;然后指出定语从句、介词短语、非谓语动词短语和形容词及其短语等能充当名词的隔位修饰语;接着从结构、匀称、内在关系、突出修饰内容和句型转换等方面分析名词与其后置定语造成隔位结构的原因;最后指出了对名词与其后置定语隔位结构的鉴别方法。     

基于BPS理论的英汉语生成性名词短语对比研究

用光杆短语结构理论分析英语和汉语中的生成性名词短语,认为汉语中的一部分"的"字结构、"者"字结构和英语中的"the+形容词"、"the+分词"以及"通过词缀名词化的短语"都是生成性的名词短语,它们都可以被描述为限定词短语,限定词短语具有名词性。在这项研究中英语与汉语呈现共性,名词短语与句子也呈现共性。     

英语功能名词短语研究及其应用

根据英语名词短语的句法功能,提出了一种新的英语名词短语——功能名词短语,同时与基本名词短语和最长名词短语相比较.利用Google在线翻译系统,对存在结构歧义的句子进行了翻译,发现英汉机器翻译的错误主要是由结构歧义引起的,并应用功能名词短语的定义对结构歧义问题予以解决.实验结果表明,功能名词短语的识别能够有效消解两种结构歧义:一是与动词构成固定搭配的名词引起的歧义;二是"介词+名词"结构是作状语还是作后置定语的歧义.功能名词短语的研究对消除句法结构歧义、提高英汉机器翻译译文质量具有重要意义.     

对科技英语中以which及“介词+which”引导的定语从句类型及翻译的探讨

在科技英语中,以which及“介词+which”引导的定语从句从表达的形式来看,有多种类型:有的从句和所修饰的词之间没有逗号分开,有的有逗号分开;关系代词which在从句中可作主语、宾语(动词或介词的宾语),有时还可作表语;有的定语从句和所修饰的词之间还可以被另一作定语的介词短语或动词谓语及其他成分隔开的;which前的介词可以是简单介词,也可以是短语介词,还可以是“名词(或代词)+of+which ”引导的;等     

关于方位名词作定语——对黄伯荣等主编《现代汉语》的修改建议

方位名词可以放在别的词或短语的前边作定语,组成偏正短语;方位名词也可以作为语素放在别的语素前边,构成偏正式合成词,这是方位名词的语法特征之一。     

古汉语名词活用例释

语言有继承性,也有发展性.现代汉语及其语法构造,是古代汉语的继承和发展.现代汉语中的名词和古代汉语中的名词,二者的基本特征和用法是相同的,都可以用作句子的主语、宾语和定语,可以受形容词、数量词、代词的修饰,一般不受副词的修饰.但是.在古代汉语里,名词可以根据一定的语言习惯而灵活运用,有其特殊的用法;所谓特殊用法.就是同现代汉语名词不同的用法.     

名词附缀——再论单音方位词的句法地位

汉语单音方位词有不同的用法,句法地位也有所不同。后置介词说、名词说都不能充分说明后置单音方位词的语音附着性。附在名词之后的单音方位词句法语义取宽域,保留名词的句法地位,语音具有附着性,具有名词附缀的句法性质。名词附缀的语音句法错配性,体现出词缀和词的双重特点。附着在名词后的单音方位词保留名词地位不是后置介词,方位短语不是介词短语,而是处所名词短语。处所名词短语跟一般名词不同,既能做主宾语,又能作状语,具有双重功能,这可以自然解释方位短语作状语的现象。并非只有介词短语才能作状语,汉语方位短语能用作状语,并不能证明就是后置词短语。语言成分常常具有双重地位和双重功能,需要综合运用语音、语义、句法手段确定语言成分的句法地位和句法功能。     

英语后置定语浅析

英语的定语分为前置定语与后置定语两种。最常见的是形容词作定语,此外还有名词、代词、数词、副词、分词、动名词、不定式、介词短语和关系从句等也可作定语。以上成份用作定语时的位置有所不同,名词、代词、数词和动名词一般放在它所修饰的词前面,叫前置定语。如: test paper,his book,the first time,sleep-ing car等。而起定语作用的不定式、关系从句与个词短语等一     

《小学英语》Book Seven Unit 3 Lesson 17:Seasons

<正>一、教材分析学习内容分析:本单元的话题是四季。本课需要学习有关四季的四个名词winter,spring,summer,fall和四季的不同特征以及put on,takeoff两个动词短语。本课的特点是通过描述四季的不同特征,讨论在不同季节所穿戴不同的服装,本课可以与本单元及四年级曾经学过的12个月份和表示天气的单词整合在一起,所以我为学生准备了月份和天     

最大熵和Brill方法结合识别英语BaseNPs

为了进一步提高基本名词短语(BaseNPs)的识别精度,针对最大熵方法和Brill方法各自的特点,提出基于两者相结合的英语基本名词短语识别算法.该算法是在高准确率词性标注的基础上实现的.在训练和测试两个阶段中,均先采用最大熵方法识别基本名词短语,然后将已具有很高精度的识别结果作为初始标注结果运用于Brill方法中.实验结果表明,此联合算法达到了94%的准确率和召回率,充分融合了最大熵方法和Brill方法的优点,可与基于相同训练和测试语料的目前最理想的英语基本名词短语识别结果相比.     

最大熵和Brill方法结合识别英语BaseNPs

为了进一步提高基本名词短语(BaseNPs)的识别精度,针对最大熵方法和Brill方法各自的特点,提出基于两者相结合的英语基本名词短语识别算法.该算法是在高准确率词性标注的基础上实现的.在训练和测试两个阶段中,均先采用最大熵方法识别基本名词短语,然后将已具有很高精度的识别结果作为初始标注结果运用于Brill方法中.实验结果表明,此联合算法达到了94%的准确率和召回率,充分融合了最大熵方法和Brill方法的优点,可与基于相同训练和测试语料的目前最理想的英语基本名词短语识别结果相比.     

使用名词分析法对处方跟踪系统进行类分析

名词短语分析法是在项目需求规格说明书的基础上提取可以作为类的名词,对类进行分析,并完成初始类图的行之有效的方法。本论文以＂处方跟踪系统＂的分析为例,描述了用名词短语分析法进行分析,直至完成初始类图的过程,希望能成为对面向对象分析和设计方法感兴趣的读者们的参考。     

基于节点删除指标的关键字提取策略

在分析现有关键字提取算法的基础上,提出了一个基于词语网络的英文文档关键字提取算法,采用节点删除指标度量节点(词语)重要性.所提取的关键字不仅包括高频单词和短语,而且包括文档中的重要但出现频率不高的单词和短语.对比实验结果证明了该算法的有效性.