从语言意识核心词мир(世界/和平)看俄罗斯人的世界图景

语言意识是俄罗斯心理语言学的研究内容及焦点,也是其研究方法。对语言意识核心词мир(1)(世界/和平)在词典、谚语和俗语以及《俄语联想词典》中呈现出的语言意识进行历时和共时的描写及对比,旨在揭示俄罗斯民族的思维方式、语言文化心理特点及世界图景。研究发现,мир的“世界”义项下的语言意识内容在21世纪前较为稳定,而进入21世纪后发生了较大变化;мир的“和平”义项下的语言意识内容受战争影响,在20与21世纪发生了两次改变。总的来说,俄罗斯人мир的世界图景随时代、社会变迁而发生动态改变,尤其是在进入21世纪之后,其世界图景变化尤为明显。

合成语音与自然语音的音高差异——从18种语言核心词看合成语音的音高特点

论文以18种语言核心词的合成语音和自然语音为研究对象,从音高均值、最大值、最小值、标准差以及单位时间内词的音高变化幅度分析了合成语音和自然语音的音高表现,考察了合成语音的音高特点。整体看来,较之自然语音,合成语音的整体音高均值低于自然语音。在具体的语言中,合成语音的音高表现存在语言间的差异,部分语言的合成语音和自然语音的音高表现非常接近,而部分语言的合成语音和自然语音的音高表现呈现出了较大的差异。就单位时间内词音高的变化幅度而言,大部分语言的合成语音词音高变化幅度大于自然语音的词音高变化幅度,这种情况与合成语音中的词音高曲线存在畸变的现象有关。

对小学数学核心词的回溯及现实思考

新中国成立以来,我国先后进行了十次小学数学课程改革,教育部(国家教委)颁发了十二部小学数学教学大纲(课程标准)。在历次课程目标及教学要求的描述中,小学数学课程的核心词都经历了一个不断演化的过程,有其特定的历史背景。对其嬗变历程加以梳理,以史为鉴,会让我们对小学数学的学科育人目标形成更为全面、准确的定位,并为未来的发展走向提供参考。

融合非核心词EDA和SSMix的雷达故障文本分类方法

对雷达装备故障文本进行智能化分类,有助于提高雷达装备保障效率。针对雷达故障文本专业性强,样本量小且不平衡的问题,通过非核心词EDA进行类内数据增强,以实现在增加文本量的同时保持关键信息不变。针对非核心词EDA方法产生的新样本多样性不够的问题,增加SSMix(saliency-based span mixup for text classification),进行类间数据增强,通过对输入文本非线性的交叉融合来提升文本的多样性。实验证明,与现有的经典基线分类方法和典型数据增强分类方法相比,该方法在准确率上有较大幅度的提升。

壮语核心词接触变异个案研究——以“头”“发”为例

文章以“头”“发”为例,运用地理语言学的方法,探讨了壮语核心词的接触变异。一方面确定了这两个词项不同词形的词源性质及层次替换关系;另一方面,根据地理分布形态及历史文化信息深入分析了壮汉语言接触的途径和历史,并提出了语言接触研究的“区域性原则”。通过核心词个案,可以管窥壮汉语言接触发生在各个方面、各个时代,这体现了少数民族语言与汉语之间“你中有我,我中有你”的密切关系。

Swadesh核心词身份认同分析

基于Swadesh核心词表,通过人物传记、媒体话语,从认知、语言与文化视角对书面语或口语中蕴含的Swadesh核心词进行身份认同建构探讨,认为人类语言的共性与差异本质上是一种地域文化(本土文化)或民族文化(族群文化)的身份认同。

基于核心词、突变词与新生词的学科主题演化方法研究

[目的/意义]提出了一种追踪核心词、突变词和新生词在不同时间窗的变化,并结合知识图谱分析来揭示学科领域主题变化趋势的方法,尝试对现有的基于共词分析和知识图谱的学科主题演化方法进行集成和改进,从而提供一种对学科主题演化趋势识别更加全面和细致,且降低人工辨识知识图谱难度的做法。[方法/过程]研究中创新性地加入了主题类型划分以及对特征主题词定量分析的环节,根据不同类型的特征主题词的词频变化,对整个学科主题变化的趋势进行探测。分别对核心词、突变词和新生词的定义及度量方法都进行了说明。[结果/结论]通过在具体领域的实例验证以及领域专家对实证分析结果的认可,证明该方法在学科主题演化趋势探测中的可行性及效果,对今后相关研究具有一定借鉴意义。

基于核心词和实体推理的事件关系识别方法

事件关系识别是一项面向文本信息流进行事件关系判定的自然语言处理技术。事件关系识别的核心任务是以事件为基本语义单元,通过分析事件的篇章结构信息及语义特征,实现事件逻辑关系的浅层检测(即判定任意事件之间是否存在逻辑相关性)。该文通过利用同一话题下事件的核心词及实体的分布特性,针对同一话题下事件关系识别任务,提出一种基于核心词和实体推理的事件关系识别方法。实验结果显示,该文方法明显优于基于事件语义依存线索的事件关系识别方法,F值获得了15.34%的提升。

基于类别核心词的朴素贝叶斯中文文本分类

从人工分类的角度看,标题、摘要及关键词中的词条对于文本分类具有更重要的作用.在此基础上提出了基于类别核心词的分类模式,从标题、摘要及关键词中提取类别核心词,通过加权方式,强化它们在文本分类中的作用.基于朴素贝叶斯分类方法的实验表明,提出的方法能够有效提高中文文本的分类准确率.

基于多词块的框架元素语义核心词自动识别研究

抽取一个句子的核心依存图是对句子进行语义理解的有效途径。在CFN自动标注的基础上,只能得到框架依存图,为了把框架依存图转换成框架核心依存图需要提取每个框架元素的语义核心词。该文提出了基于多词块标注的框架元素语义核心词识别和提取方法,通过对比分析,给出了多词块和框架元素的融合策略,并建立了在多词块标注基础上提取框架元素语义核心词的规则集。在6 771个框架元素上的实验结果显示,采用该文的方法和规则集提取框架元素核心词的平均准确率和覆盖率分别为95.58%和82.91%。

创新与借贷:核心词变异的基本方式——以仡央语言为例

仡央语言核心词的同源率在侗台语各支中是最低的,各语言间的同源率在50%—70%左右,内部创新和语言接触是造成这种差异的主要原因。仡央语言核心词的创新有完全创新、部分创新、语义转变、虚化等形式,接触借贷语言有汉语、台语、彝缅语、苗瑶语等。

俄罗斯语言意识核心词研究综述

20世纪90年代,俄罗斯心理语言学界有关语言意识及语言意识核心词的研究成果颇多,而国内相关方面的介绍还没有看到。通过综述俄罗斯心理语言学理论和研究成果,系统介绍和分析有关俄罗斯人、斯拉夫人、英国人、西班牙人语言意识核心词的对比实验,揭示出了不同民族思维方式、语言意识、世界图景、民族心理的异同,同时为心理语言学研究及外语教学实践提供启示。

核心词原则和澳越语的谱系树分类

根据我们近十来的调查和观察 ,发现核心词比语法、语音更稳定 ,因此我们按照核心词中关系词的比例确定同源语言亲缘关系的远近 ,并通过数学算法画出了澳越语系的基本谱系树 。

一种基于类别核心词的概念映射方法

由于同义词和多义词的存在,使得基于特征词的文本分类方法分类精度不高。近几年,基于概念的文本分类方法得到人们的重视。在此提出一种基于类别核心词的概念映射方法,首先从文本中抽取类别核心词,借助《知网》将特征词映射到基于类别核心词的概念空间,然后在概念空间上完成文本分类工作。实验结果表明,基于类别核心词的概念映射方法及相应的基于概念的文本分类能够有效提高文本分类的精度。

核心词自动分阶的一种计算模型——以纳西族玛丽玛萨话为例

核心词分阶是判定同源关系的必要步骤。基于大规模语音对应数据库,我们提出并讨论一种算法模型,该模型计算核心词的核心程度,自动调整高阶核心词集和低阶核心词集,使得两阶词集在已知为同源关系的语言中,其分布与已知为接触关系的语言显著不同,即通过算法调整核心词集,使得有阶分布的显著性增加。这个算法模型的基本思路分为两个密切相关的部分:核心程度算法和两阶核心词调整算法。

从核心词看汉缅语关系

核心词是亲属语言比较的基础,本文运用语义场-词族-词的比较方法证明汉语和缅甸语有特殊的亲密关系:汉语和缅甸语既有发生学的关系,又有长期接触的关系。

核心词汇与教材编写

核心词是全民通用的最基本的词,对于外语学习至关重要。核心词能定义其他词汇,有搭配广、衍生意义多及文化、情感中立等特点。教材编写者需认识到核心词的核心作用,充分考虑对学生造成学习困难的因素,如核心词的一词多义、搭配丰富及由核心动词组成的动词短语等因素,设计教材时提高核心词的复现率,加强核心词输入的质量,避免教材过度介绍某一词义而忽略其他常见意义及其搭配范式。

汉语核心词“我”研究

依据汉语文献材料,探讨汉语核心词"我"的早期语音形式;对汉语第一人称代词的的发展演变作了简要的论速;并以汉语为依托,对整个汉藏语系第一人称代词作了简要的比较。

试论核心词及其类型

所谓核心词,就是词汇系统的核心部分。但对其性质、范围、标准等根本问题的认识,分歧颇大。主要症结在于把核心词绝对化了,忽视了其相对性和多样性。其实,核心词有不同的层次和类型。从语言基础来看,有单语核心词、多语核心词和全语核心词;从存在状态看,有语言核心词和语用核心词;从时间维度看,有共时核心词和历时核心词;从语域看,有通语核心词和方言核心词;从词汇地位看,有轴心核心词和边缘核心词等。这些不同类型的核心词既相联系,又相区别。

汉英词典100核心词释义对比研究

文章认为判定不同国家的词典是否属于同类词典的标准有三条:词典性质、词典收词、词典释义。根据上述标准,文章认定《现汉》《牛津》《韦氏》等汉英词典都是中型语文性词典,在此基础上,对这些词典中100核心词的义项数目及其分布做了简要对比,认为与《牛津》《韦氏》等英语词典相比,《现汉》等汉语词典在100核心词的义项划分方面比较粗疏。最后,文章从语料库技术、词典的编纂历史以及语言学理论等三方面,分析了中国词典100核心词义项划分粗疏的原因。