英译汉过程中的动、名词相互转译现象

＂转译法＂是英译汉过程中常常用到的一种翻译方法,尤其是动词转译为名词和名词转译为动词的现象更是常见。因此,动、名词的相互转译已成为了翻译实践中不可避免的活动,值得翻译者关注。     

英汉翻译中的词类转换译法研究

英汉翻译中的词类转换译法是一种经常能够使用到的翻译方法。英汉两种语言在表达方式上有一定的差异，某些句子是不能按照词语的意思逐一对照进行翻译的。要使句子翻译得更通顺、流畅，可以在不改变句子本来意思的条件下，适当的转换词语的词性，使翻译效果更符合英语或者汉语的语言环境和语言表达习惯。     

法语主有形容词和代词与英语物主代词的比较

法语主有形容词属于形容词类,英语形容词性物主代词属于代词类。在词类上,两者有本质区别。法语主有代词虽然在意义上与英语名词性物主代词对等,但在构成方式与数量上也存在明显的差异。通过对法语主有形容词和代词与英语物主代词的比较分析,指出两种语言在此用法上的异同,对于促进英语,法语两种语言的对比教学具有一定意义。     

基于BERT的金融文本情感分析模型

在金融领域,越来越多的投资者选择在互联网平台上发表自己的见解.这些评论文本作为舆情的载体,可以充分反映投资者情绪,影响投资决策和市场走势.情感分析作为自然语言处理(natural language processing,NLP)中重要的分支,为分析海量的金融文本情感类型提供了有效的研究手段.由于特定领域文本的专业性和大标签数据集的不适用性,金融文本的情感分析是对传统情感分析模型的巨大挑战,传统模型在准确率与召回率上表现较差.为了克服这些挑战,针对金融文本的情感分析任务,从词表示模型出发,提出了基于金融领域的全词覆盖与特征增强的BERT(bidirectional encoder representations from Transformers)预处理模型.     

“X男/女”词族探微

近年来,＂X男/女＂这一新兴词族越来越流行。＂X＂在构成成分上较自由,可以是单音节语素、词,也可以是短语;从语义来看,＂X＂主要用来陈述各种不同情状的人,但要有凸显或相异性才能进入这一结构,＂X男/女＂主要有隐/转喻、直接特征、仿拟构词这几种理据;该结构有独特的语用色彩,即结构上的不平衡使其有突出、醒目的作用,语气上则...     

基于无监督模型的低资源词性标注实验对比和分析

[目的]研究无监督词性标注模型在低资源语言上的性能表现.[方法]尝试利用无监督词性标注模型,包括高斯隐马尔科夫模型(Gaussian HMM,GHMM)、最大化互信息模型(mutual information maximization, MIM)与条件随机场自编码器(conditional random filed autoencoder, CRF-AE),展开低资源词性标注实验.基于对前人工作的凝练,在英文宾州树库上设置了少样本和词典标注两种低资源场景.[结果]无监督词性标注模型能够在少样本场景中超越条件随机场模型,但在词典标注场景中却始终逊色于条件随机场模型.[结论]无监督损失更加擅长对高频词进行建模,使得模型在少样本场景下获得更好的性能表现;同时无监督损失倾向于生成更加均匀的词性分布,从而降低模型在词典标注场景下的性能.     

基于分类算法的专利摘要文本分割技术

专利摘要是对专利的浓缩表述,将专利摘要按内容分割后,能更准确地定位对应的专利。由于专利摘要长度较短,而且不同内容间没有明显标志,使其分割不能使用传统的文本分割方法。本文将专利摘要的分割问题转化为句子分类问题,并尝试采用分类算法解决该问题。通过分析不同分类算法以及不同特征对本问题的解决效果,最终验证了利用句子分类方法进行专利摘要分割的可行性。     

藏语句子边界识别方法

藏语句子边界识别是一项重要的基础性工作,它的准确率直接影响藏语句法分析、汉藏（或藏汉）平行语料库和藏汉（或汉藏）机器翻译等的研究工作。文章通过分析藏文文法知识,提出了一种比较简单而实用的词性规则法,其主要思想是：单垂符或双垂符的前后词性来判断句子是否结束。经测试,文章提出的藏语句子边界识别方法在文学类、诗歌类、医学类和新闻类等536句藏语语料中句子边界的识别准确率达到96.37%。     

中日文前缀词“不“”無”的构词与词性转换

从中日文前缀词"不""無"的构词前与构词后的词性来看,中文的"不""無"的变化形式比较多。从构词前与构词后的词性的种类来看,无论是中文还是日文,都存在"不"比"無"的变化形式多的现象。另外,无论是中文还是日文,"不"都与形容词有很深的关联。在这两种语言中,"無"与形容词相结合的构词不存在。     

基于信息增益的中文网页SVM分类研究

针对中文网页文本分类中特征降维方法和传统信息增益方法的缺陷和不足做出优化改进,旨在有效提高文本分类效率和精度.首先,采取词性过滤和同义词归并处理对特征项进行初次特征降维,然后提出改进的信息增益方法对特征项进行特征加权运算,最后采用支持向量机(SVM)分类算法对中文网页进行文本分类.理论分析和实验结果都表明本方法比传统方法具有更好的性能和分类效果.