英语含蓄否定句及其翻译技巧

英语含蓄否定句形式上是肯定的,却蕴含否定含义。本文主要从三个方面,即词义、语意和语用上对英语中常见的含蓄否定句进行分析归纳。文中还探讨了含蓄否定句的5个主要翻译技巧,即直接反译法、译出蕴含义、增词法、分译法和转换词性法。     

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。     

浅谈现代汉语中词的兼类问题

词的兼类问题一直是学术界多年来争论而没有得到解决的问题之一。本文试图从兼类词的判定来探讨词的兼类问题,指出词的同一性,兼有两类或两类以上的词的语法特点、少数原则、词的经常性与稳定性等的基本判定原则,并提出另外一种判定可能：自指和转指。     

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%。