V上和V下

"V上"和"V下"各自可以分成若干不同的类型,它们表达的语义不同,出现的时代也不同。这些不同类型的语义是有联系的,特别是和原型语义有直接或间接的联系。有时用"V上"和"V下"似乎意思差不多,但仔细分析还是有差别的。在吴方言中,"V下"说成"V落",但《海上花列传》中,即使在对话中也多写作"V下"。

意外:起始义“V上”的语用意义

现代汉语起始义可以通过多种手段表达,比如"V上、V开、V起来、开始V"。这些不同的起始义标记之间存在着语用差异。本文认为"V上"的核心语用意义为"意外"。意外之义使结构获得了评论性和否定性特点,从而又间接影响到结构的分布和句法特征。

对“V上”之再考察——基于韩国学习者偏误类型的分类

从语义分化的角度入手,并参考韩国学习者的偏误类型,对"V上"进行了重新分类,主要是把"上"按词性分为2大类:上1(实词)和上2(虚词)。然后按语义又把"上1"分为3小类:基本义、表示接触或增添、表示达到或达成;"上2"分为2小类:提示新变化、量标记。实践证明这种分类有益于对韩汉语教学,教师可以针对不同的"V上"有的放矢地进行讲解。

体貌义构式“V上了”研究

"V上了"是一个高度结构化的构式,表达事件的起始情状,具有动态性特征。其内部各成分语义之间是互补的,"了"表达事件整体的时间变化,"上"指向事件时间内部的起始点,二者一起表示事件的开始,能进入该构式的多为双限动词和一部分具有变化特征的动态形容词。该构式在语法规则上具有高能产性,但其使用环境却造成其应用的低频率,但也可以把其中的"上"视为起始体标记体貌义。

“V上”结构的语义体系及认知机制

"V上"结构既可表趋向义,又可表结果义,还可以与"了"一起表示体貌义,横跨了位移、结果和体貌三个语法范畴。究其原因在于意象图式的转换在发挥作用。位移范畴属于原型范畴,结果范畴和体貌范畴则是从位移范畴转喻引申而来,都与路径图式相关,空间域的到达终点可转喻结果域的实现,凸显起点则可转喻时间域的开始。同时"V上"在共时平面发生的语义泛化过程也可以得到语言历时证据的支持。

动趋式“V上”的语义与位移事件表达

趋向动词"上"在动趋式"V上"中表示方向意义,凸显射体TR伴随动作V的实施而发生的自下而上的空间位移,方向可接近垂直,亦可接近水平,是一个连续统。位移路径和位移终点是其必有的语义要素。"V上"内部语义松散,"上"是具有明显词汇意义的趋向性后置成分,对动词V的依附性不强,保留了其动词性,仍可独立使用,表达位移事件的主事件。它还可以和不同的动词组合来表达物理空间位移和虚拟空间位移两类位移事件,有时表达的事件类型相同,但其事件结构却并不完全一样。

从致使性看“V上去/起来/来+AP/VP”构式的表达功用——基于语料库的研究

"V上去/起来/来+AP/VP"表达在某认知条件(或情况)下认知对象(某实体或事件)状态特征被动引发认知者产生某认知结果,具有一定的致使性。由受事型到施事型,由空间型到时间型,由感知型、评价型到推断型,致使性逐渐减弱。"V上去+AP/VP"、"V起来+AP/VP"、"V来+AP/VP"的主观化程度依次增加,其中受事型和评价型占优势,时间认知条件范围广,感官或言说类认知条件下易替换。"V起来+AP/VP"的使用频率最高,除感官类动作动词外,其它自主动词甚至是性质形容词均可进入该构式。

“V上”结构的语义分析

"V上"结构是现代汉语中一个使用频率比较高的结构,结构所表示的意义丰富多样,这些意义不但与结构中动词的意义密切相关,也与"上"的意义及其发展演变有千丝万缕的联系,不论是对结构整体意义的分析还是对"上"的虚化过程的探索都是很有意义的。

“V上/下”方位价上的对称与不对称

本文运用方向价理论分析了“V上/下”的不对称性，将位移句中“V上/下”分为单价、双价和三价三类，这三类结构虽方向价的数目相同，但各方向价内部存在一些差异，并指出其不对称性是由于“V上/下”的语义指向性不同。

从“V上”和“V下”的对立与非对立看语义扩展中的原型效应

在"V上"和"V下"类动补结构中,"上"和"下"本为反义成分,但在与动词的组配选择中,却并不都是有此无彼、绝对对立的,这就似乎产生了一种意义和形式的错位。为了能够对此给出一个合理的解释,本文从"上"和"下"的语义扩展、原型义究竟有着怎样的地位和作用等角度进行探讨。"V上"和"V下"的句法表现和表意功能表明,"V上"和"V下"的对立应为本质的、必然的,某些非对立现象则是表面的、偶然的。从根本上说,"V上"和"V下"的对立与非对立表现都可以在"上"和"下"的原型义及其语义扩展过程中找到根源与理据。在"上"和"下"的语义扩展中,原型效应十分明显。

再谈“V上”和“V下”

结果义"V上/V下"结构中的反方向趋向动词"上""下"都发生了语法化,变成了表示"动作完结"的语法成分。表示"动作完结"的"上""下"是一种处于语法化早期阶段的语法成分,其性质、功能都与类型学中的完结体标记十分类似。被重新分析为表示"动作完结"的语法成分之后,"上""下"都经历了"泛化"过程,其语义概括性不断增强,自身适用范围不断扩大,虚化程度也不断提高。在"上""下"的泛化过程中,其来源结构和词汇的某些语义特征一直滞留,始终制约着它们与动词的选择限制关系。

细胞色素P450花生四烯酸表氧化酶BM_3F87V上调内皮一氧化氮合酶基因的表达

血管内皮细胞富含细胞色素P450表氧化酶，它代谢花生四烯酸产生内皮源性超极化因子，（EDHF，即EETs)，它与血管内皮细胞产生的一氧化氮（NO）之间的关系尚不清楚，经转基因技术在原代培养的牛主动脉内皮细胞中产生内源性EDHF，并研究了EDHF对NO合成的关键酶－内皮NO合酶（eNOS)基因表达的调节作用，将表氧化酶基因CYP BM3F87V克隆于真核表达载体pCB6,转染了经3－4代培养的牛主动脉内皮细胞，产生高浓度的内源性14，15－EET，采用Western blot和Northern blot分别从旧白质水平和NRA水平判断内源性14，15－EET对eNOS基因表达和转录的影响，同时根据[^H]L-精氨酸转变国[^3H]L-瓜氨酸的水平来判断其对eNOS活性的影响，结果显示：与传染pCB6的对照细胞相比，转染的pCB6-BM3F87V在内皮细胞中过度表达后能显著上调eNOS的蛋白表达和eNOS的mRNA水平，明显增加eNOS的活性，因此，转梁表氧化酶M3F87V对eNOS基因有显著上调作用，这提示细胞色素P450表氧化酶能够促进内皮细胞内EDHF的产生来调节NO生成，进而改善内皮细胞功能，这可能为治疗心血管疾病提供了一种新思路。

“V上”结构中“上”的偏误分析——基于HSK动态作文语料库

在前人研究的基础上归纳整理了"上"表达的四类语义,结合"上"所表达的四类语义,通过考察北京语言大学HSK动态作文语料库中的语料,对留学生"V上"结构中"上"的使用偏误情况进行归类并分析。

“V上”结构语法意义的认知分析

"V上"是现代汉语中使用频率较高的一个结构,传统上一般将该结构看做动补结构,其中补充成分"上"的语义内涵和语法功能都比较复杂。本文结合认知理论对"V上"的语法意义进行了分析,构拟出了该结构的核心语义图式,并对其进行了验证。通过这些研究,我们可以加深对该结构的认识。

动趋式“V上”的概念语义要素及扩展路径研究

动趋式语义研究重整体的语义扩展关系,但忽略了每一个趋向动词内部的语义小类之间的扩展关系。语义扩展需要分析语义之间的相似点或相似性特征,而这又需要借助动趋式的概念语义要素:参与者要素、空间要素、运动要素、路径要素和主观视点。文章通过分析"V上"概念语义要素的变化考察其语义扩展路径。

“v上”结构的语义分析及对外汉语教学

现代汉语中"v上"结构表达的语义非常丰富,是留学生习得的重点和难点之一。本文试图在前人研究的基础上,对"v上"结构的语义进行归纳整理,并对教材进行考察分析,以期对对外汉语教学提出建议。

“V上”的语义及意象图式

文章从“V上”中的“上”的虚化出发,将“V上”结构语义分成三大类,并构建了不同语义的意象图式。总的来看,“V上”凸显动作的达成,即“动态改变”,特别是凸显目标达成或新状态开始时,往往还包含了达成前段所具有的“心理期待”或“心理预期”,因此会有“合预期”和“反预期”的表达。

对外汉语教学中“V上_(目标实现)+NP”结构误用分析

“V上_(目标实现)+NP”结构是对外汉语教学的一个难点,但教材对该结构的讲解不够全面、准确,导致四类误用产生。这四类误用包括与动词相关的误用、与NP相关的误用、与其他语言结构的混淆和与其他句式的杂糅。通过挖掘该结构的深层语义,探索其准入条件,对其各类误用进行了分析和纠正。

双河油田V上层系高耗水条带识别方法研究

双河油田V上层系是后续水驱开发单元,处于特高含水开发阶段,在低油价下,优化注采调整、改善油藏开发效果、提升开发效益是一项重要的工作。采用油藏工程法、水流统计分析法和数值模拟等方法研究了高耗水条带,根据高含水条带的分布特点,实施了主体区"控低效降无效"控减技术、上倾区"提产能促效益"技术,通过优化调整注采结构、实施降压开采、减少低效无效注水措施,明显提高了油藏开发效益。

基于CRV-YOLO的苹果中心花和边花识别方法

苹果树疏花是果园生产管理中的重要环节。准确高效地识别苹果中心花和边花,是研发智能疏花机器人的前提。针对苹果疏花作业中的实际需求,提出了一种基于CRV-YOLO的苹果中心花和边花识别方法。本文基于YOLO v5s模型进行了如下改进:将C-CoTCSP结构融入Backbone,更好地学习上下文信息并提高了模型特征提取能力,提高了模型对外形相似和位置关系不明显的中心花和边花的检测性能。在Backbone中添加改进RFB结构,扩大特征提取感受野并对分支贡献度进行加权,更好地利用了不同尺度特征。采用VariFocal Loss损失函数,提高了模型对遮挡等场景下难识别样本检测能力。在3个品种1837幅图像数据集上进行了实验,结果表明,CRV-YOLO的精确率、召回率和平均精度均值分别为95.6%、92.9%和96.9%,与原模型相比,分别提高3.7、4.3、3.9个百分点,模型受光照变化和苹果品种影响较小。与Faster R-CNN、SSD、YOLOX、YOLO v7模型相比,CRV-YOLO的精确率、平均精度均值、模型内存占用量和复杂度性能最优,召回率接近最优。研究成果可为苹果智能疏花提供技术支持。