汉语二语学习者动词语义范畴构建过程研究——以“喜欢”为例

本文以全句为窗口,参照《同义词词林》对现代汉语和中介语语料库中动词“喜欢”的共现词的语义范畴进行了对比分析,并抽样考察了汉语二语学习者语义范畴构建的发展过程。结果显示:(1)和目的语者相比,二语者构建语义范畴表现为语义类的窄化和选用词语的集中化;(2)语义范畴的构建随汉语水平的提升而呈现鲜明的发展特点,具体表现为:语义范畴的多样性、丰富度、匹配度和符号化都随着汉语水平的提升而提高,但发展到某个阶段会出现“化石化现象”;不同水平侧重于不同位语义范畴的构建,初中级以高位语义范畴的构建为主,中高级则主要表现为具体词类的扩展;(3)二语者构建语义范畴的丰富度和匹配度并非正相关,在语义概念一致性相对较高的中类范畴上,匹配度和丰富度表现一致,在差异较大的低位范畴词群上,匹配度明显低于丰富度,即语义符号化是二语者习得汉语地道性的主要影响因素,也是词汇习得的难点。

句类分析准则在作战文书地名识别中的应用

针对军用要图自动标绘对地名识别高精度的要求,紧扣"作战文书行文规范"这一特点,将句类分析之标点准则(语句的首尾边界是首块和末块的天然首尾边界)、介词准则(汉语的语块移位标志符由介词充当)、动词准则(充当特征块的动词是其它语块的天然边界)等应用于作战文书地名识别,采用基于规则的方法加以实现,实验结果F值在88%-97%之间。因此,作为作战文书向军用要图自动转换的预处理,地名识别这一结果是可用的。

中文句子中双音节兼类词句法分析历程初探

以既可用作名词 ,又可用作动词的汉语双音节兼类词为材料 ,采用移动窗口范式 ,考察了汉语句子中名词倾向性高和低两类兼类词句法分析的详细历程。结果发现 ,两类兼类词与各自的控制词之间 ,均未出现阅读时间上的显著差异 ,因此并不支持延迟模型所提出的兼类词句法角色延迟指派的观点。实验还发现 ,名词倾向性高的兼类词引起了更大的加工困难。此外 ,即便是名词倾向性低的兼类词 ,被试也仍为其指派名词的句法角色。花园路径模型和制约满意理论均不能单独和完整解释上述发现。文章指出 ,实验结果支持一种既不同于花园路径模型 ,又不同于制约满意理论的权变的理论。阅读中遇到兼类词时 ,读者能立即为其指派句法角色。这种指派过程既可以利用概率制约信息 ,也可以在句法分析原则指导下进行。句法分析原则是否起作用 ,取决于概率制约信息的制约强度。

基于HNC句类的社区问答系统问句检索模型构建

社区问答系统中充斥着大量的噪声,给用户检索信息造成麻烦,以往的问句检索模型大多集中在词语层面。针对以上问题构建句子层面的问句检索模型。新模型基于概念层次网络(hierarchincal network of concept,HNC)理论当中的句类知识,从句子的语用、语法和语义三个层面计算问句间相似度。通过问句分类算法确定查询问句和候选问句的问句类别,得到问句间的语用相似度,利用句类表达式的结构和语义块组成分别计算问句间的语法及语义相似度。在真实数据集上的实验表明,基于HNC句类的新模型提高了问句检索结果的准确性。

基于HNC理论的汉英机器翻译策略研究

现有机器翻译系统的汉英翻译水平还远不能满足人们的要求,其主要原因在于缺少一种功能强大的自然语言理论的支持。基于HNC理论的汉英机器翻译是一种新的尝试,遵循以下的原则和策略:先理解,后翻译;先"信"后"达"不唯"雅";核心调控,宏观和微观相结合;过渡处理,分而治之;多种策略,综合运用;机助人译,人助机译;翻译记忆,自主学习;进退有度,具有自知之明。

基于HNC语义分析模型的文图转换研究

军事文书转换为要图通常需要耗时费力的人工工作,文图的自动转换将大大促进军事指挥的自动化水平。基于HNC理论及其语义模型提出并实现了一个文图自动转换系统,通过对军事文书中部队番号的自动识别、时间地点要素的自动获取,以及语句的句类分析可以获得句群文本的语义情景框架,根据情景框架中的要素可以直接转换为要图标绘所需的信息。实验表明军事文书的文本自动分析系统具有较高的准确率和召回率,为实现军事文书的文图自动转换提供了一种可靠方法。

析句图解法及其信息化

析句图解法是汉语语法教学和研究的一种有效工具。在诸多图解法中,黎锦熙先生创制的黎氏图解法兼顾了句子的结构格局和层次性,在语法教学研究和信息处理中都具有重要的应用价值。今天应用黎氏图解法需要进行一定的句法体系改造,并实现图解过程和图解结果的信息化。

基于概念基元的句群情景框架抽取研究

句群的构成要素是领域、情景和背景,领域是核心。领域关联的情景框架主要依据领域句类知识库的描述,从句群语句的语义块中抽取。本文介绍了在语言概念空间中对句群情景框架的概念符号描述,通过匹配整合句群情景框架中语义块的概念约束和句类分析结果中的语义块,给出了从自然语言空间的句群中抽取情景框架要素的方法,并根据实验结果总结了句群情景框架抽取中需要加强和完善的地方。

句子成分分析法新议

文章简要回顾了句子成分分析法的发展历程,从现代语法学的角度重新评价这种分析方法,指出现代语法学的许多理论同句子成分分析法是一致的,句子成分分析法有着新的认识价值,在研究和教学中仍将发挥重要的作用.

服务于句类分析系统的微型语言专家系统建设

句类分析系统是HNC语言理解技术的重要支柱。为了减轻句类分析系统的计算强度,利用语言学研究的丰富成果,我们在专家系统及HNC小专家系统基础上,提出微型专家系统的概念及相关的开发和管理方法,并用实例说明了微型专家系统的具体建设过程。微型专家系统在保持HNC句类分析系统整体考虑的前提下,充分结合广大学者的长期的、分散的研究成果,有利于HNC句类分析系统的整体处理性能的提高。

面向英汉机器翻译的英语特征语义块处理

针对当前英汉机器翻译软件未能充分理解源语句的问题,基于概念层次网络理论(hierarchical network of concepts,HNC理论),详细分析了在语句理解中起重要作用的英语特征语义块,分类讨论了其核心部分构成特点,并提出了相应的计算机处理算法。与在线机器翻译结果的比较表明,该算法对源语句进行了更加深入的分析与理解,能够为英汉机器翻译提供技术支持。

紧缩句论略

紧缩句理论的分歧和存在的缺陷是突出的,有进一步阐释的必要。通过对有影响的紧缩句理论进行归纳和评析,提出了紧缩在语构上的层级分析理论,建立了紧缩句新概念,并由此出发,归纳了紧缩句的类型,建立了新的紧缩句系统。

特殊“把”字兼语句及其析句方法

汉语中存在一种特殊的句子:“N1+把+N2+V1+在+N3+V2+(N4)”。名词N2在深层语义结构上既是V1的受事,又是V2的施事;由介词“在”引导的介宾结构既是V1的处所元,同时又是V2的处所元,因而“N1+把+N2+V1+在+N3+V2+(N4)”是一种特殊的“把”字兼语句。对这种特殊句式进行结构分析时可采用双线索层次分析法,将该类句子中的两种兼属情况同时标示出来。

基于HNC的命题逻辑推理方法

针对面向自然语言推理中计算机难以准确提取命题并进行符号化的难题,运用HNC(Hieratical Network of Concepts)理论中的语言逻辑概念与句类分析技术,从概念的角度出发,对自然语言描述的推理问题进行理解处理,使计算机能自动提取出推理条件中蕴涵的命题,然后将命题进行公式化处理,最后得到用自然语言描述的结论命题。试验结果表明:该方法能准确理解自然语言中的语义逻辑关系,完成命题逻辑推理。