期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
隐喻“意识感受性”理论模型 被引量:10
1
作者 徐盛桓 廖巧云 《外语学刊》 CSSCI 北大核心 2017年第1期10-16,共7页
本体和喻体既相异又同一,这是隐喻的一个标志性特征。隐喻活动就是围绕这一特征展开:相异是必要条件,同一是充分条件。对于什么是"同一",可以参照莱布尼茨的"不可分辨物的同一性原则"中所说的"同一"而定... 本体和喻体既相异又同一,这是隐喻的一个标志性特征。隐喻活动就是围绕这一特征展开:相异是必要条件,同一是充分条件。对于什么是"同一",可以参照莱布尼茨的"不可分辨物的同一性原则"中所说的"同一"而定。我们在"粗糙"化的莱布尼茨"同一"意义的基础上建构"隐喻生成—理解的‘意识感受性’理论模型",这个模型有深刻而广泛的思维活动作为运作基础,大体包含感性、逻辑和顿悟3种思维方式。 展开更多
关键词 隐喻 不可分辨物的同一性原则 隐喻生成—理解“意识感受性”理论模型 感性、逻辑和顿悟思维
下载PDF
认知与文化并重:隐喻跨文化理解模式的建构 被引量:4
2
作者 陈映戎 《浙江师范大学学报(社会科学版)》 北大核心 2014年第6期59-66,共8页
在第二语言学习中,目的语隐喻的识解过程受到学习者文化背景知识和认知方式的影响制约。本文的实验调查发现,学习者对目的语隐喻的认知加工方式有五种:概念迁移、联想、利用语境、字面理解及感知觉多渠道信息的匹配。建立在调研基础上... 在第二语言学习中,目的语隐喻的识解过程受到学习者文化背景知识和认知方式的影响制约。本文的实验调查发现,学习者对目的语隐喻的认知加工方式有五种:概念迁移、联想、利用语境、字面理解及感知觉多渠道信息的匹配。建立在调研基础上的二语隐喻跨文化理解模式将认知加工方式和文化背景信息融为一体,以期对克服母语文化迁移障碍、推动学习者认知结构的拓展及深化目的语隐喻的理解有所助益。 展开更多
关键词 认知方式 文化 隐喻跨文化理解模式
下载PDF
隐喻计算研究进展 被引量:7
3
作者 田嘉 苏畅 陈怡疆 《软件学报》 EI CSCD 北大核心 2015年第1期40-51,共12页
作为自然语言处理中的普遍现象,隐喻若不得到解决,将成为制约自然语言处理和机器翻译的瓶颈问题.结合相关的隐喻理论基础,从隐喻识别和隐喻解释这两个隐喻计算的子任务出发,介绍了现有的隐喻计算模型以及隐喻语料资源,并对这些隐喻模型... 作为自然语言处理中的普遍现象,隐喻若不得到解决,将成为制约自然语言处理和机器翻译的瓶颈问题.结合相关的隐喻理论基础,从隐喻识别和隐喻解释这两个隐喻计算的子任务出发,介绍了现有的隐喻计算模型以及隐喻语料资源,并对这些隐喻模型的优缺点和适用范围进行了比较. 展开更多
关键词 隐喻计算模型 隐喻识别 隐喻解释 语料库
下载PDF
浅谈隐喻在英语阅读中的运用 被引量:2
4
作者 刘静 《河北软件职业技术学院学报》 2008年第1期55-58,共4页
本文从认知的角度出发,探讨了隐喻的本质及其与英语阅读教学的关系,指出隐喻不仅仅是语言现象,也是认知现象,提出了应用映射理论和文化模式进行英语阅读教学的策略。
关键词 认知 隐喻 文化模式 阅读教学
下载PDF
基于合作网的汉语句子隐喻理解 被引量:1
5
作者 苏畅 李俊超 +1 位作者 王晓梅 陈怡疆 《软件学报》 EI CSCD 北大核心 2022年第2期571-584,共14页
我们的认知思维和概念系统建立在隐喻之上.隐喻理解的实现,是自然语言处理任务中关键的一环.为了让理解过程更好地切合隐喻的工作机制,基于隐喻的互动理论,提出了合作网模型,将隐喻理解的过程部署为一个网状结构,实现汉语句子隐喻的理... 我们的认知思维和概念系统建立在隐喻之上.隐喻理解的实现,是自然语言处理任务中关键的一环.为了让理解过程更好地切合隐喻的工作机制,基于隐喻的互动理论,提出了合作网模型,将隐喻理解的过程部署为一个网状结构,实现汉语句子隐喻的理解计算.相比于其他模型,合作网模型体现了目标域和源域之间“求同存异”的语义关系,强调概念之间的双向语义联结,通过计算各个关系的强弱,输出更适应于上下文信息的表述意义.实验结果表明,合作网模型合理、有效.基于合作网得到的理解结果,能够初步反映隐喻理解过程的动态性和突显性. 展开更多
关键词 隐喻理解 互动理论 合作网模型
下载PDF
基于Transformer和BERT的名词隐喻识别 被引量:10
6
作者 张冬瑜 崔紫娟 +2 位作者 李映夏 张伟 林鸿飞 《数据分析与知识发现》 CSSCI CSCD 北大核心 2020年第4期100-108,共9页
【目的】解决名词隐喻识别研究中语义信息利用不足和关系表征的问题,提高识别效果。【方法】使用BERT模型替代词向量,在语义表示中同时包含词与词之间的位置关系等信息,利用Transformer模型进行特征提取并通过神经网络分类器进行识别。... 【目的】解决名词隐喻识别研究中语义信息利用不足和关系表征的问题,提高识别效果。【方法】使用BERT模型替代词向量,在语义表示中同时包含词与词之间的位置关系等信息,利用Transformer模型进行特征提取并通过神经网络分类器进行识别。【结果】本文模型在准确率(0.900 0)、精确率(0.896 4)、召回率(0.885 8)和F1值(0.891 0)4个指标上均表现最好,可以注意到多个关键点信息,提高名词隐喻的分类效果。【局限】对于中文文本中的冷僻词汇、成语古语以及干扰词汇等的判断比较困难。【结论】本文所提隐喻识别方法优于现有基于人工特征的分类模型及主流深度学习模型。 展开更多
关键词 隐喻识别 名词隐喻 语义理解 Transformer模型 BERT模型
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部