从词汇学角度谈英汉相应的词的差异

英语和汉语各自不同的词汇系统决定了它们具有彼此不同的词的拟声理据、语义理据和语义特征,其不同的拟声理据、语义理据和语义特征造成了英汉相应的词在词的音义关系、词义范围、词的搭配以及词的句法等方面的差异,这种差异说明英汉相应的词之间只是一种部分对应的关系.     

基于语义与分类贡献的文本特征选择研究

针对传统文本特征选择算法没有考虑特征的语义及特征与类别之间关系的问题,提出了一种结合语义和分类贡献的特征选择算法.利用LDA主题模型获取文本和词的表示,通过计算词与文本之间的语义相似度,获取词对文本的重要性.再利用Word2vec词向量模型获取文本类别特征,通过计算文本中的词与文本类别特征之间的语义相似度,获取词对类别的重要性,最后结合词对文本的重要性和词对类别的重要性选择分类贡献度高的词作为最终的分类特征.实验表明,该算法能够有效地降低文本特征数量,减少分类计算开销,降低噪声对分类的影响,提升分类效果.     

语义特征在评价对象抽取与极性判定中的作用

提出与评价对象抽取相关的7类语义特征: 评价触发词、评价消解词、评价对象绝缘词、后指动词、前指动词、心理动词和指向定语的评价名词, 以及与极性判定相关的5类语义特征: 褒义性名词、贬义性名词、语义偏移型名词、度量衡形容词和语义构式。从引入语义特征的必要性以及如何使用这些特征两方面进行阐述。实验证明, 语义特征的引入有助于提高评价对象抽取及极性判断的准确率。     

扩展语义相似情感词的文本情感分类方法

针对文本情感分类中情感语义特征利用不足、特征降维效果欠佳等影响分类效果的问题,提出了一种通过扩展语义相似的情感词以及引入词语间统计特征的高精度网络评论情感分类方法.该方法利用神经网络Skip-gram模型生成词嵌入,通过词嵌入相似性度量将语义相似的词语扩展为情感特征;再利用词语间的统计特征进行特征降维;通过多个弱分器加权构建Adaboost分类模型实现网络评论情感分类.基于酒店评论和手机评论公开测试集进行实验,结果表明其情感分类的正确率分别达到90.96%和93.67%.方法扩展语义相似情感词有利于丰富文本情感语义特征,引入词语间的统计特征有更好的特征降维效果,可以进一步提升文本情感分类的效果.      

基于局部特征和全局特征融合的微博情感分析

目前的神经网络一般只将词粒度层面的词向量作为输入,忽略了语义层面的全局语义特征.针对此问题,提出了一种基于局部特征和全局特征融合的情感分类方法,以解决评论特征稀疏和主题聚焦性差的问题.对于局部特征,选择基于情感词典和BiLSTM神经网络模型提取基于词向量的文本特征.对于文本集的全局主题特征,采用神经主题模型提取文本主题特征,并将其作为全局特征来表示短文本信息.最终将基于局部加权词向量的文本特征和基于神经主题模型的文本主题特征进行拼接,并通过Softmax层输出,完成文本情感分类.结果表明：融合全局主题语义和局部加权词向量可以更加丰富神经网络的特征,从而有效地提高情感分类的准确率.     

基于信息增益与语义特征的多标签社交网络用户人格预测

针对社交网络用户人格预测问题, 提出一种结合信息增益与语义特征提炼用户文本信息, 并采用多标签分类算法进行综合预测的方法. 先基于信息增益提取文本词特征, 包括情感词、 词性和时态等, 进行特征选择与加权; 对于语义特征, 将文本内容映射为本体概念并计算语义相关度; 然后以基于词的特征和语义特征的共同
影响为依据, 运用多标签分类算法执行人格预测过程, 从不同角度处理文本信息, 并充分考虑了类标签间的相关性. 实验结果验证了该方法的有效性.     

基于低维语义向量模型的语义相似度度量

语义相似性度量能够提高信息检索的准确性和效率,已成为文本处理中的一个核心任务.为解决一词多义等词汇歧义问题,提出一种基于低维向量组合的语义向量模型.该模型引入了知识库与语料库的多语义特征的融合,主要的语义融合对象包括连续的分布式词向量和从WordNet结构中的语义特征信息.首先利用深度学习技术中的神经网络语言模型,预先从文本语料中学习得到连续的低维词向量;然后从知识库WordNet中抽取多种语义信息和关系信息;再将多语义信息融入词向量进行知识扩展和强化,生成语义向量,从而实现基于向量空间的语义相似性度量方法.在基准测试集上的实验结果表明,该方法优于基于单一信息源(知识库WordNet或文本语料)的语义相似性度量方法,其皮尔森相关系数比基于原始词嵌套向量的方法提高了7.5%,说明在向量特征层面上的多语义信息的融合有助于度量词汇间的语义相似性.     

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....     

色彩词在文学创作中的审美功效

色彩美是文学语言审美特征的重要组成部分。色彩词具有模糊性、主观性、变异性的语义特征和文化性、情境性隐喻象征功能。在文学创作中,充分利用色彩词的语义特征和隐喻象征功能,可以描摹出色彩鲜明的客体对象,渲染人物独特的主观情感,凸显写作主体的审美旨趣。     

论情感语义属性

情感语义属性以情感评价为基础。情感语义属性语言单位含有情感激因。情感评价和情感激因是情感语义属性的标志。它们是区分表达情感和描写情感或通报情感的主要特征。不仅纯情感词和具有伪所指的联想情感词 ,超音质特征和语言情境也是体现情感激因的重要信号     

基于特征融合的中文文本情感分析方法

针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具GloVe获取融入词性的预训练词向量;然后,将词向量分别作为引入Self-Attention的BiGRU和TextCNN的输入,使用引入Self-Attention的BiGRU从文本的句法结构和文本的上下文信息两个方面综合提取全局特征,使用TextCNN提取文本的局部语义特征;最后,将全局特征和局部语义特征进行融合,并使用Softmax进行文本情感分类.实验结果表明,本文方法可以有效提高文本情感分析的准确率.     

拉祜语颜色词的语义特征分析

拉祜语颜色词的语义特征主要体现在修辞性、文化性、民族性上。修辞性为文化性和民族性奠定了基础,民族性是修辞性和文化性的共同作用的结果。通过语义特征分析法来研究拉祜语颜色词对拉祜语的研究有一定的指导意义。     

现代汉语评价类言说动词语义特征描写与义合网络的建构

目前国内外基于同义词词群（Synset）的词网研究存在结构不甚严谨，语义颗粒度大，应用范围比较有限的问题。建立在“词群-词位变体”理论基础上的义合网络系统是对这些问题进行解决的有效尝试。网络建立包括两方面：一是纵向语义聚合网络的构建和内部各成员的语义特征差异对比；一是横向句法组合网络各成员的语法特征和在句法配置上对语义角色的选择等。言说动词的次范畴类“评价类”动词可作为研究个案，初步用来探讨这类典型词的语义结构及义合网络系统的建构规律。     

韩国语惯用语语义教学研究

惯用语语义教学是韩国语教学过程中的—个重要课题。本文通过对韩国语身体词惯用语的语义特征和语义构成的分析．初步探讨韩国语惯用语语义教学的方法。     

从语用学角度浅析英语拼缀词的类别及意义

拼缀词是将两个词拼合构成的新词。在现代英语中,拼缀词日趋增多,在新闻和科技文章中十分流行。拼缀词使用起来经济简洁、准确精当,具有其他词语形式不可替代的表达优势和使用价值。因而,学者们对其产生原因、构造原理、其特点和发展趋势以及形态学上的归类研究也逐步流行起来。但是目前极少有学者从语义层面上分析这类词,尤其是从语义角度对其进行归类并翻译。本文旨在尝试运用拼缀构词法中组成词的语义特征、语义关系等将拼缀词进行归类并试着研究其意义。     

小品词-OUT-语义的认知语言学分析

-OUT-是英语短语动词中使用频率居于第二位的小品词。传统认为它与英语习语中的介词和副词一样，其语义具有不可分析性。根据物象与背景理论中-OUT-的意象图式，它的语义在短语动词中具有可分析性，其基本含义与事物从内到外的移动相关，在短语动词中有18个义项，其中包括其概念隐喻变义，这些义项对短语动词的语义产生积极的影响。     

动量词“下”、“次”语义特征的比较研究

动量词“下”和“次”与动词的组合关系及语法功能不尽相同，其语义特征也各不相同：“下1”的语义特征是[＋计数]，“下2”的语义特征是[＋计时]和[＋广义动量]；“次”的语义特征是[＋计数]。     

基于语义共现与注意力网络的问题分类方法

针对汽车故障问答文本特征稀疏、语义信息不全、深层次语义特征较难提取等问题,提出基于问题-答案语义共现的多层次注意力卷积长短时记忆网络模型(co-occurrence word attention convolution LSTM neural network,CACL)的问题分类方法。通过向量空间模型计算问题与答案文本中语义相似的共现词,使用注意力机制聚焦问题文本中的共现词特征,输入卷积神经网络(convolutional neural network,CNN)提取问题局部特征,通过长短时记忆网络(long short-term memory network,LSTM)及词级别注意力机制提取长距离依赖特征及其更高层次的文本特征,采用Softmax进行问题分类。结果表明,相比较于主流的问题分类方法,该方法有效提高了问题分类的精度,最高提升了10.04%的准确率。同时,试验发现当选用11个有效共现词且共现词来自问题文本时,模型的处理精度最佳。合理利用问题-答案文本语义相似的共现词,能有效提升汽车故障问题的分类性能,且共现词的个数、来源对问题的分类精度有一定的影响。     

《现代汉语词典》收录的物色词浅论

物色词是用某些表示物质的名词素＋色彩词素所构成的一种色彩素,是色彩词中的一个小类。文章以《现代汉语词典》收录的87个物色词为考察对象,从语音、语法和语义等方面来考察,初步概括了这类词的基本特征：从话音特征看,物色词中双音节词占绝对优势;从语法特征看,不同的物色词素与相同的色彩词素相结合是物色词的最显著特点;从语义特征看,物色词的意义在特定的语境中被扩大,去表达或传递语用意义或交际意义,并阐述了物色词的文化特征。     

《现代汉语词典》收录的物色词浅论

物色词是用某些表示物质的名词素+色彩词素所构成的一种色彩素,是色彩词中的一个小类.文章以<现代汉语词典>收录的87个物色词为考察对象,从语音、语法和语义等方面来考察,初步概括了这类词的基本特征:从语音特征看,物色词中双音节词占绝对优势;从语法特征看,不同的物色词素与相同的色彩词素相结合是物色词的最显著特点;从语义特征看,物色词的意义在特定的语境中被扩大,去表达或传递语用意义或交际意义,并阐述了物色词的文化特征.