英语词汇意义在语篇中的动态分析--浅谈句中俚语的动态理解及翻译

本文仅从英语词汇的词性、词义、文化内涵等角度，探讨日常交际中普遍存在和应用的俚语的动态语义。通过对词汇特别是俚语的词性、语境词义、文化内涵的动态分析，旨在说明研究英语词汇动态语义对于精确理解、准确翻译的重要作用，从而尽量避免阅读理解和翻译中的歧义。     

谈《红楼梦》中"好"字的翻译

以杨宪益先生的英译版<红楼梦>为例,着重探讨了在不同的语境中,汉语中的"好"词性与含义的不同,导致译者所采取的翻译策略也不同.翻译应充分重视语境、语气、词性、多音字、年龄等不同因素.译文必须超越简单的表层词汇对应,实现源语和译语间的深层语意对等.     

从语法功能看“莫”的词性

从语法功能来看，“莫”是作主语和状语的。“莫”字后面出现“者”字词组的时候，“者”字词组便充当名词谓语，“莫”字作主语。“莫”作主语时，是代词；作状语时，是副词。     

析偶词词组在英语文法中的功用

对英语偶词词组的句法功能和修辞作用进行分析和论述。     

基于隐Markov模型汉语词性自动标注的若干分析与改进

提出一种算法,用来高效地完成训练语料的大量工作,并解决好训练语料的扩充问题,然后基于Viterbi算法提出一些改进之策,结合训练语料工作完成后的结果在二元模型基础上,采用不同规模的训练语料对同一规模的测试语料进行测试、比较与分析,并提出模型的改进方向。     

现代汉语和永新方言"得"字的比较

“得”字在现代汉语和永新方言中，含义和用法上都是一个很有特色的词（或语素）。本文通过现代汉语和永新方言相应“得”字的比较，探寻它在二者间的共性和差异，从一个角度比较现代汉语与永新方言的关系。本文比较的范围以永新方言“得”字的含义和用法为准，凡是永新方言中所不具有的含义和用法，只列出，不讨论。现代汉语普通话的语料大都来自《现代汉语八百词》和《现代汉语动词》。     

“很”的词性再议

“很”可以修饰除形容词、心理感知动词和能愿动词之外的普通动词短语或形容词短语 ,这里的“很”不表示程度 ,只表示动作进行的次数多、延续时间长或表示强调的语气。这里的“很”不是程度副词 ,应视为语气副词。     

自学习结合部分句法分析的汉语词性标注

针对词性标中单独使用概率方法或规则方法的缺陷,将概率方法和规则方法有机结结合起来,并引入了部分句法分析除分歧义和标注歧义,利用机器学习得到的规则对输出结果进行修正,实现了一个自学习结合部分句法分析的汉语词性标注系统。     

融合词性和注意力机制的舆情本体非分类关系抽取研究

针对目前大多数非分类关系抽取方法忽略词性和部分局部特征的问题,提出融合词性信息和注意力机制的BiLSTM模型.利用预训练词向量和词性标注工具,将舆情信息语义词向量和词性词向量作为BiLSTM的输入来获取句子高维语义特征,解决长距离依赖问题.利用词语层注意力机制计算2个概念与上下文词语的相关性,获取句子的上下文语义信息.通过构建句子层的注意力来降低噪声数据的权重,减少错误标签的干扰,进而完成舆情本体概念间非分类关系的抽取.最终在新闻网站上抽取11227条数据进行了验证.结果表明,该方法的精确率(P)和召回率(R)相比于其他方法更好地实现了非分类关系的抽取,验证了该方法的有效性.     

基于HMM的藏语语料库词性自动标注研究

针对藏语区别于英语和汉语,分析藏语的构形特征,得到词性标注集.从人工标注的语料中统计词和词性频率以及训练得到二元语法的HMM模型参数,运用Viterbi算法完成基于统计方法的词性标注.