英语反义词的语义辩证分析

现代语义学认为反义词除具有相反性外，还有互补性、渐进性和相互依赖性等。根据现代语义学理论，本文从这三个方面对英语反义词进行深层次分析，探讨反义词语义关系的相同性。     

论英语反义词非二项对立关系的分类及语义特征

英语反义词的分类较为复杂，因而大多数涉及到反义词的研究偏重于二项对立关系的分类及语义特征。本文依据《语言与语言学百科全书》对反义关系的分类以及语言学家Yyons对语义对立关系的分析，从单维度和多维度两个方面阐述了英语反义词非二项对立关系的分类及语义特征。     

形容词多义性在《现代汉语规范词典》中的表征

通过对127个高频形容词在《现代汉语规范词典》中的释义进行统计分析,发现了一种新的一词多义表征方式——同义词或反义词加语义特征。采用“三步法”,可以全面收集某个形容词在词库中的同义词、反义词和相关特征,包括那些没有在本词条下出现的词和特征。这项研究在一定程度上增进了对“互训”和语义特征的认识,有助于进一步开展相关的语义学和自然语言处理研究。     

英语层级反义词公允性与偏袒性的认知分析

英语层级反义词是指语义相反的词对。层级反义词具有公允性与偏袒性。本文通过对英语层级反义词公允性与偏袒性现象的认知分析，发现公允性词项在人们的使用中更为频繁，通过分析其理据．对公允性词项的使用规律进行了一定的探索。     

成对反义词的认知释解

反义词是语言学研究的一个焦点问题,但对由两个意义相对或相反的词或语素构成的成对反义词的研究却不多。运用认知语言学中的概念整合理论,对成对反义词整体意义构建过程中的认知机制进行尝试性的研究可以得出,构成词的原型语义是成对反义词意义构建的基础,而转喻和隐喻是成对反义词意义构建的两种机制。     

浅谈英汉颜色词的异同及翻译

在英汉两种语言中,均存在大量与颜色有关的表达方式,但由于英语和汉语分属于两个截然不同的文化语系,两种语言对同一颜色所赋予的语义既有共性,也有差异,有时语义甚至完全相反。因此,在翻译颜色词时,需要了解颜色词所具有的引申含义,表情功能、民族心理和社会属性。本文试图通过英汉颜色词的对照比较,介绍其文化含义的异同,并对颜色词的翻译进行探讨。     

浅谈英汉颜色词的异同

在英汉两种语言中,均存在大量与颜色有关的表达方式,但由于英语和汉语分属于两个截然不同的文化语系,两个民族对同一颜色所赋予的语义既有共性,也有差异,有时语义甚至会完全相反。所以,在翻译这些带有颜色词的表达方式时,一定要弄清它的实际含义。同时要了解颜色词所具有的引申含义,表情功能、民族心理和社会属性。所以本文试图通过英汉颜色词的对照比较,介绍其文化含义的异同。     

论英语小品词的语义特征及翻译策略

英语小品词的语义有着自身的特征,分为词汇性语义和工具性语义,而且其语义在汉语中表现为非对应性,针对小品词的语义特征应选择不同的翻译策略,以达到语义的对等和意象图式的跨语言映射.     

反义词教学释疑

在反义词教学中,往往会遇到下面的一些问题,试结合教学实践,简述如下:(一)、构成反义词的条件反义词是涵义相反或相对的词.这种意义上的相反或相对,实际上是客观事物矛盾、对立在词汇中的反映.所以意义上的相反或相对是构成反义词的重要条件.如“上——下”、“好——坏”、“正确——错误”、“成功——失败”都是如此.有些词,如“手——脚”、“冬——夏”,所反映的事物本身并不是矛盾、对立的,而是人们在语言中经常对举、被赋于相反、相对的关系,被看作是习惯上的相对反义词.     

NKT语义研究的现状及反思

自然种类词项(natural kind terms,以下简称NKT)属于通名,是衔接语言哲学和形而上学研究的纽带,指称则是NKT揭示世界的方式。在对经典名称语义理论的反思中,诉诸语用学解决语义问题成为NKT语义研究的一个趋势。从现有科学研究对于NKT语义研究的挑战来看,NKT语义研究与NKT所指对象的认知密切相关,有必要从认知的角度重新审视NKT语义研究,给出一个兼有本质认知与解释力两个方面特征的NKT语义解释。     

语义哲学与语义分析

语义哲学随着语言哲学的发展而展现出它蓬勃的生命力．语义分析是语言哲学最蘑要的研究手段．它又是与语言学内部的其他分支如语音、词汇、语法、语用等紧密联系的,由于语义哲学必然涉及思辨和逻辑表达,这就需要进行语义分析,语义指向也是一个必须弄清的问题。     

基于知识图的语义分析

探讨了一种适合于汉语理解的、面向语义的、新的语言分析方法。该方法是以知识图这种新的知识表示方法为语义模型，模拟人的语言感知过程，先对整个句子进行语义片段的划分，再对每个片段进行分析。     

一种面向博客群的主题倾向性分析模型

本文结合网络虚拟社会中舆情检索的实际需求,提出了一种面向博客群的主题倾向性分析模型.针对博客主题评论篇幅长短不一的结构特点,模型采用不同的文本倾向性处理方法：对于较长篇幅评论文本,分别统计目标评论中赞同、反对字符的倾向字符权重及其分布密度;对于拥有少量文字的主题评论,通过计算评论中字符倾向权重之和,实现评论倾向性评估.实验中通过构建面向“网络文化”的博客主题测试集,对模型的主题评论倾向性计算方法以及语义检索能力进行验证评估.实验结果表明模型具有较好的文本倾向性识别能力.     

语义对象分割技术综述

语义对象分割是各种基于内容的多媒体应用领域中的一项关键技术,是近10年来图像与视频处理领域的一个研究热点.从实际应用的角度出发,介绍了三类具有应用价值的语义对象分割方法,即实时的自动对象分割、非实时的交互式对象分割以及针对具体应用的基于先验知识的对象分割.在分析了各类语义对象分割技术的利弊后,指出了语义对象分割技术的进一步研究应该结合高层语义信息来扩大其适用范围,并展望了目前刚刚起步的基于视觉关注度的语义对象分割方法.     

语义Web的智能推理技术分析

第三代网络——语义Web采用结构化的语言、多层叠代的塔形体系逐层实现了Web内容的语义性,使网络信息资源能为机器所理解,从而自动提供网络服务。智能推理是实现Web语义性、智能性的关键技术。文章介绍语义Web体系结构,说明各层在实现Web语义中的作用,分析如何实现Web的智能推理、智能推理技术的现状及其局限性。根据本体层和逻辑层现有推理语言,结合人工智能技术提出一种新的推理方法。     

敦煌吐鲁番文献一组性别词语的语义分析

敦煌吐鲁番文献中畜牧业类词语所包含的内容十分丰富,可以构成一个母语义场。本文结合语义场理论,对其中畜牧业类词语中一组牲畜性别类词语进行考察分析。分析中结合现代方言资料,认为同一语义场内部词语相互影响并相互竞争,最终导致这一语义场内词语的变化。     

基于深度学习的图像语义分割研究进展

图像语义分割是对图像中的每个像素点进行分类,将图像中的前景和背景区分并且识别出每个前景的类别。随着深度学习技术的发展,传统图像语义分割方法在分割精度和分割速度上已经彻底被超越。针对深度学习图像语义分割方法研究现状进行综述,对近年来国内外基于深度学习图像语义分割方法主要思想、优缺点进行了分析和总结。提出了该领域目前存在的问题,对将来的发展进行总结和展望。     

基于本体的电力系统异构数据查询机制

随着电力企业信息化进程的不断推进,大量信息管理系统被应用于各种业务中,造成这些系统间存在异构数据,难以共享,甚至还存在各种语义冲突,影响数据的挖掘和分析.为此,提出了一种利用本体技术对电力企业内部的异构数据源进行融合的综合查询机制,可以有效解决电力企业内部数据源的语法和语义异构问题,把来自于各部门的多个数据源进行整合,为数据分析系统提供统一的数据查询接口.实验表明,该机制能够有效消解异构数据源之间的语义冲突,为数据集成提供基础.     

论法语反义词语的矛盾与对立关系

反义关系是客观世界复杂现象反映在语言词汇中的一种重要的语义关系，区分为矛盾关系和对立关系两种。矛盾关系在两项词语单位之间语义绝对相反，无条件地互相排斥、互相否定；对立关系在两项词语单位之间语义相对相反，在一定条件下互相排斥、互相否定，这是在同一语义关系中的两种不同类型的反义关系。     

Improving Semantic Part Features for Person Re-identification with Supervised Non-local Similarity

In person re-IDentification (re-ID) task,the learning of part-level features benefits from fine-grained information.To facilitate part alignment,which is a prerequisite for learning part-level features,a popular approach is to detect semantic parts with the use of human parsing or pose estimation.Such methods of semantic partition do offer cues to good part alignment but are prone to noisy part detection,especially when they are employed in an off-the-shelf manner.In response,this paper proposes a novel part feature learning method for re-ID,that suppresses the impact of noisy semantic part detection through Supervised Non-local Similarity (SNS) learning.Given several detected semantic parts,SNS first locates their center points on the convolutional feature maps for use as a set of anchors and then evaluates the similarity values between these anchors and each pixel on the feature maps.The non-local similarity learning is supervised such that:each anchor should be similar to itself and simultaneously dissimilar to any other anchors,thus yielding the SNS.Finally,each anchor absorbs features from all of the similar pixels on the convolutional feature maps to generate a corresponding part feature (SNS feature).We evaluate our method with extensive experiments conducted under both holistic and partial re-ID scenarios.Experimental results confirm that SNS consistently improves re-ID accuracy using human parsing or pose estimation,and that our results are on par with state-of-the-art methods.