谈语义场理论与汉语词汇教学

汉语词汇学习对于汉语学习者来说一直是个重要问题,本文从语义场理论角度谈了汉语学习中词汇积累、同义词辨析、词语搭配等问题,以助于学习者对汉语词汇的掌握。     

语义理论与语言教学

本文简要地阐述了当代语义学的一些基本理论和观点 ,并就语义理论指导词汇教学进行了初步的实践和探讨 ,文章从并置理论与词汇搭配学习 ,结构语义学与词语运用能力的提高 ,语义场理论与词汇量扩大 ,语义成份分析与同义词教学等几个方面进行讨论 ,并指出 :运用语义理论指导教学有益于课堂教学质量的提高     

语义场理论在近义词辨析中的应用

英语是一门发达的语言,同义词数量众多。如何有效的区分同义词,从而正确的选词、用词是英语学习者面对的一大难题。传统的方法是把所有近义词的意义查出来放在一起比较,从而加以区分。由于近义词在意义、用法等方面差异的细微性,通过意义比较有时无法区分近义词或区分不是很明显,仍然会导致近义词的误用、滥用。在总结前人辨析同义词方法的基础上,本文试图借助语义场理论,从语义场中词与词之间在意义上相互联系,相互制约的角度出发,把同义词放入词汇系统中进行区分,从而有效的解决同义词的误用、滥用,提高英语学习效率。     

重视词汇语境教学 提高学生词汇能力

要培养和提高学生词汇的应用能力 ,必须把词汇教学和一定的语境结合起来 ,因为语境在确定词义 ,消除岐义 ,体现词的用法 ,区别同义词方面有主要的功能 ,要实现词汇的语境教学 ,就要注意把生词放在一定的语义场中进行 ,只有把词汇教学与语法教学及语篇教学结合起来 ,才能对学生记忆单词 ,理解运用单词有积极的促进作用 ,才能真正实现词汇教学的目的———提高学生的词汇能力     

基于语料库的同义词搭配特征研究——以Gain和Obtain为例

以英语中的常用同义词Gain和Obtain为例,探讨其在本族语语料库中的搭配特征。研究发现,英语中的同义词在类联接模式、搭配词的选择及语义韵等方面存在很大差异。本研究旨在为词汇研究和同义词辨析教学提供新的视角和方法。     

语义场理论对大学生英语写作中词汇问题的补偿作用

大学生英语写作中的词汇提取能力及词汇运用能力一直是一个瓶颈问题,具体表现在新词使用频率低、词汇重复率高、单句中的新词密度小、词汇搭配错误率高。而实践证明,根据语义场理论,首先确定一个概念范围,确立中心词汇,利用一些技巧对与之关联的＂临词＂进行有效记忆和提取,这样会有效地提高英语专业学生的英语写作水平。     

语义取象对词义演变的影响——以“首、头”为例

词的所指对象依照认知经验会在人的心目中形成一定的心理意象,我们称之为＂语义取象＂。通过对＂首、头＂的词义分析,文章认为,受深层认知因素的制约,两个词即使词汇意义大致相当,但它们在人们认知体系中有不同的意象和各自突显的特征,这深刻影响着词的使用和词义的发展,对词义系统的自我调控与平衡是极有利的。聚焦于词的语义取象,获得了词义分析的新视角,能够为多义词的义域分布和发展趋势提供解释,也为同义词的辨析提供了新思路。     

试析语义变化对英语同义词,反义词语义特征的影响

从历史语言学角度深入探讨了英语词汇语义变化的情形和分类阐释了这些变化对某些同义词、反义词上下关系词内部语义结构的影响和改变，从而揭示出词汇语义关系中的某些隐含特征的历时变化。     

同义词的认知思考及其翻译

词语的同义词关系研究运用唯实语义观,义素分析法及语义场理论取得了丰硕的成果,但都存在一些不足。本文试图将认知语言学的框架理论引入同义词研究。同义词是由认知引发的,人们将某事物概念化于不同框架,从而形成了同义词。因此,在翻译过程中,译者在目的语中应激发与原语相同或相似的框架,体现出同义词语的框架差异。基于框架理论的同义词分析与研究为同义词的翻译提供了新视角。     

语义关系在英语词汇教学中的应用

根据中国英语词汇教学现状,探讨语义关系的三个方面,即同义词、反义词及上下位关系词,并分析如何把语义关系应用到词汇教学中去,可以加深学习者对词的理解,并提高英语教学的质量。     

语义场模型研究

将场理论引入语义空间,提出语义场模型,利用该模型刻划本体概念间的语义联系及语义分布规律.首先,从势、梯度和场强等多个角度对语义场进行描述,其中,势代表场中某一点的语义,体现语义的分布情况;梯度描述了场中局部位置的语义变化情况;场强则体现了场中语义联系的强弱.然后,分析了场源作用范围,给出了本体概念质量计算方法,讨论了势函数影响因子优选问题.最后,指出了语义场在资源语义聚类、支持语义的P2P应用系统等方面的应用前景及思路.     

Prolog的语义保持变换

程序变换方法在逻辑程序中的应用主要是基于这样的理论结果,即Fold/Unfold变换保持了逻辑程序的最小Herbrand模型语义和答复转换集语义,但是当逻辑程序的实现采用标准Prolog系统的最左计算规则和深度优先查找规则时,变换后的程序未必能保持原程序的语义,此外,程序的语义等价性证明也往往是难以理解和阅读的,为此,首先用与计算SLD－树叶结点有关的答复置换序列算法的方式,引入一个相对易于理解的Prolog语义定义,然后给出有关的语义保持变换规则并加以证明。     

基于语义的数据清理技术

为弥补传统的基于文本相似函数(如编辑距离、语音距离等)的方法在重复记录的识别方面的不足,对记录内部单个字段的语义以及字段之间的语义进行了研究;采用字段名与统计分析相结合的方法来识别字段内部的语义,采用语义规则库来识别字段之间的层次语义和依赖关系;将语义引入到优先队列算法中,提出了改进的优先队列法(IPQM),在计算记录之间的相似度时,显式考虑字段之间的层次语义关系,对不同的字段类型调用不同的相似度计算方法．同时将语义规则库引入到数据清理框架,在预处理阶段利用语义来处理等价类型错误,在处理阶段利用IPQM来计算记录之间的相似度．实验结果表明该框架提高了数据清理的质量,遗漏率低于7％,误判率不超过3％．     

一个具有图像语义的物体分类系统的实现

通过提取图像的底层特征,将特征输入BP神经网,应用共轭梯度法对网络进行有监督训练,即将先验知识加入神经网络中;一旦训练成功,依靠网络出色的泛化能力,系统就能正确识别图像中的物体和各物体的位置信息,这样就实现了对图像语义的理解.实验验证结果表明该系统对特定测试图像集的理解正确率达到了100%.     

OCL 2.0表达式语义学比较研究

从语法、语义域和语义映射三个方面,给出了基于UML元模型和形式化的OCL表达式语义描述.并探讨了OCL表达式上下文、OCL表达式赋值环境的概念.在OCL表达式语义的形式化描述中,定义了对象模型和OCL表达式语法,给出OCL表达式语义解释和OCL后置条件表达式的语义解释.通过对OCL表达式语义二种描述方法比较,可以看到OCL表达式语义学描述的关键是反映OCL表达式本质的语法描述.     

论情境语义学的语用视角

自创立始,情境语义学被定位为自然语言语义理论或逻辑语法理论,但它有鲜明的语用视角,主要表现在:它与诸多语用研究或思想之间的渊源关系;它和语用学在研究对象或研究内容方面的一致性;它对形式语义学兼容语用研究的研究传统和当今大语义观的发展趋势的遵循。通过对自然语言条件句陈述的情境语义解释,可以看出语用因素在情景语义学中无处不在,情景语义学与语用研究中的相关理论有内在联系。     

Semantic Extraction for Multi-Enterprise Business Collaboration

Semantic extraction is essential for semantic interoperability in multi-enterprise business collaboration environments.Although many studies on semantic extraction have been carried out,few have focused on how to precisely and effectively extract semantics from multiple heterogeneous data schemas.This paper presents a semi-automatic semantic extraction method based on a neutral representation format(NRF)for acquiring semantics from heterogeneous data schemas.As a unified syntax-independent model,NRF remo...     

基于轨迹的指称语义方法

文章提出一种基于轨迹的指称语义框架,该框架结合了操作语义和代数语义的特征,避免使用专门的数学理论,将静态语义和动态语义结合在一起统一处理.文章引入了轨迹概念和模型语言,然后讨论该语言的各句法成分所对应的语义论域,并对过程和函数进行了一些描述。     

基于语义特征提取与层次结构的问题生成方法

针对传统端到端模型在输入文本语义较复杂情况下生成的问题普遍存在语义不完整的情形,提出一种基于语义特征提取的文本编码器架构.首先构建双向长短时记忆网络获得基础的上下文信息,然后采用自注意力机制及双向卷积神经网络模型分别提取语义的全局特征和局部特征,最后设计一种层次结构,融合特征及输入自身信息得到最终的文本表示进行问题生成.在数据集SQuAD上的实验结果表明,基于语义特征提取与层次结构进行问题生成效果显著,结果明显优于已有方法,并且语义特征提取和层次结构在任务的各评价指标上均有提升.     

S-粗语义概率及其特性

本文针对web数据挖掘中,具有动态性和不确定性语义web所存在的问题,基于单向S-粗集,提出S-粗语义和S-粗语义概率的概念,对粗语义、S-粗语义、粗语义概率和S-粗语义概率的特性进行了讨论,并给出了应用。利用语义web的概率特性,S-粗语义概率能够更好地描述web数据挖掘中具有动态特性的不确定性语义web问题。