“长短”的语法化——兼谈语义跨度的语法化现象

本文首先从历史的角度考察了"长短",认为现代汉语中表示"无论如何"的副词"长短"是由表示"距离大或小"的短语"长短"语法化而来的。其次,运用语义跨度这一方法分析语法化,认为已经语法化了的短语、复合词或正在语法化的短语、复合词,都会在深层次的语义上有所反映。随着语法化程度的加深,短语或复合词构成成分之间的语义跨度越来越大,语义关系越来越曲折,因而,语言单位的构造理据也越来越模糊,直至无法解释。

基于跨度边界感知的嵌套命名实体识别

命名实体识别任务是信息抽取领域中的一个基础任务,旨在定位句子中实体所在位置的边界,并对该实体进行分类.针对现有基于跨度检测的模型存在的嵌套实体边界模糊问题,提出一种基于跨度边界感知的嵌套命名实体识别模型.首先,利用双仿射注意力机制,捕获词元间的语义相关性,进而生成跨度语义表示矩阵;其次,通过设计一种二阶对角邻域差分算子,建立跨度语义差分机制,以提取跨度间的语义差异信息.此外,引入一种跨度边界感知机制,利用滑动窗口的局部特征提取能力,强化跨度的边界语义差异,从而准确定位实体跨度位置.为验证模型的有效性,在3个基准数据集上进行测试,包括ACE04、ACE05和Genia数据集.实验结果表明,提出的模型在实体识别准确率的表现优于相关工作.此外,还设计消融实验和案例分析以验证提出的语义差分机制和跨度边界感知机制的有效性,为进一步研究命名实体识别问题提供新的思路和实验证据.

跨度语义增强的命名实体识别方法

针对命名实体识别方法存在字与字之间语义信息丢失、模型召回率不佳等问题,提出了一种跨度语义信息增强的命名实体识别方法。首先,使用ALBERT预训练语言模型提取文本中包含上下文信息的字符向量,并使用GloVe模型生成字符向量;其次,将两种向量进行拼接作为模型输入向量,对输入向量进行枚举拼接形成跨度信息矩阵;然后,使用多维循环神经网络和注意力网络对跨度信息矩阵进行运算,增强跨度之间的语义联系;最后,将跨度信息增强后的矩阵进行跨度分类以识别命名实体。实验表明:与传统的跨度方法相比该方法能够有效增强跨度之间的语义依赖特征,从而提升命名实体识别的召回率;该方法在ACE2005英文数据集上比传统的方法召回率提高了0.42%,并且取得了最高的F1值。

试论“判断式”互喻句

"判断式"互喻句是一种颇具特色的比喻句,其中,互为本体和喻体的成分之间有三类语义聚合关系:同范畴同质、同范畴异质和异范畴,二者间的语义跨度构成了一个从小到大的连续统。"判断式"互喻句的句子模式主要有两种:"甲是A的乙,乙是B的甲"和"甲是A的乙,X;乙是B的甲,Y"(X、Y为喻解)"。甲、乙的指称对象成员均具有认知上的内部同一性。多数情况下,A的乙、B的甲属于超常搭配。

从认知角度看隐喻的创造性及其评价原则

隐喻的构建和理解过程是创造力实施的典范。隐喻的创造本质就是在两个或两个以上已知的概念中发现新的关系,或者在一个已知的概念中挖掘出人们意想不到的内涵,从而开拓新的认知空间。本文从认知角度分析了隐喻的创造性,并建立了评价隐喻中创造性因素含量的三个原则:语义范畴跨度、独创性和可接受性。