同义复词

摘要： 同义复词是指两个意义相同的语素连在一起使用,共同表达一个完整意义的语言现象。在一些已出的成语词典中,由于编撰者对同义复词这种语言现象的认识不够明晰、深入,往往犯下强行分释、以今律古、望文生义的错误。通过对壁垒森严、清闲自在、纷纭杂沓、冥顽不灵、曲意承迎五个成语的释义考订,希望词典编撰者重视同义复词这种语言现象,精益求精,不断提高词典编撰质量。

摘要： 中性同义复词“气氛”的“在特定环境中,给人强烈感觉的景象或情调”这一意义在使用过程中会发生语义偏移现象。通过古代汉语语料库考察语素“气”“氛”的意义发展轨迹及“气氛”的词汇化进程,可以发现“气氛”的语义偏移不受语素“气”“氛”及其他义项在感情意义方面的干扰。现代汉语语料库则显示出“气氛”的语义偏移现象,主要体现在特定格式、名词的配价、语义结构的改变上。“气氛”发生语义偏移的成因可从语言学、心理学、社会学等不同角度解释,并为其他类似中性同义复词的语义偏移现象提供分析思路。

摘要： 在词语类别和释义方式之间建立对应关系,使不同类型的词语适用不同的释义方式,将有助于词典编纂者根据被注释词的不同特点主动地去选择适当的释义方式,还可以通过释义规律来揭示词语结构与所表词汇义之间的系统性关系。同义复词在释义过程中常常会有误释的情况,除了由于语素义在发展过程中失去了组成同义复词时所表示的古义,还因为释义方法的模糊不定,给准确释义带来了障碍。同义复词的释义可采用同义拆分释义法和同义义位释义法,此外同义复词释义还要兼顾共时性与历时性。

摘要： 古文注释的问题不仅出在疑难字词上,问题还往往出在常用词语的解释上.教材中《屈原列传》的注释对理解文章有很大帮助,但是个别之处却值得商榷.文章拟对"其文约,其辞微,其志洁,其行廉"一句中"微"的注释从多个方面加以论述,以期使之更准确,使学生能更好地把握文意,并以此来培养学生的质疑精神.

摘要： 同义复词“亲戚”的形成受汉语双音化的影响,且源于古代汉语名词性短语的并列。“亲”与“戚”最早连用在春秋 时期,于两汉时期凝固成词,后词义有所扩大。本文探究“亲戚”词汇化的过程,分析古代汉语并列短语词汇化的特点。

摘要： 有学者认为"漆黑"和"黑漆"都是同义复词,"漆黑"可倒序成"黑漆".根据相关语言事实,"漆"是名词,"黑"是形容词,词性不同的词不能构成同义复词."漆"和"黑"虽有意义关联,但名词与形容词表达的语法意义和作用不同,无法形成并列组合."漆黑"应归为偏正型复合词,释义为"像天然漆一样黑";"黑漆"应归为定中短语,释义为"黑颜色的漆".

摘要： 现代汉语同义复词“数量”一词来源于上古汉语中的名词性并列短语,历经了词汇化的过程,成词于六朝时期,词义有所变化.所以,以语料为支撑,探索“数量”一词在历史发展中由双音节并列短语并逐渐演变成双音词的过程,分析其词汇化的动因,对其词义的演变作出阐释,有助于汉语史词汇化问题研究走向深入.

摘要： 有学者认为“漆黑”和“黑漆”都是同义复词,“漆黑”可倒序成“黑漆”。根据相关语言事实,“漆”是名词,“黑”是形容词,词性不同的词不能构成同义复词。“漆”和“黑”虽有意义关联,但名词与形容词表达的语法意义和作用不同,无法形成并列组合。“漆黑”应归为偏正型复合词,释义为“像天然漆一样黑”;“黑漆”应归为定中短语,释义为“黑颜色的漆”。

摘要： 对于《汉书·艺文志》中的"诞欺怪迂",三家《医古文》教材释义皆有疏误，将其注释成“荒诞、欺诈、怪异、迂曲”，虽有单注“迂”为“迂曲，谓不切实际”，但释词与前无差异，文章结合典籍，认为"诞欺怪迂"应属两个同义复词的组合,"诞"与"欺"、"怪"与"迂"皆为同义连文,不当分而释之.

摘要： 本发明提供一种建立同义鉴别模型以及鉴别同义文本的方法、装置，所述建立方法包括：获取训练样本中的文本对；利用词向量词典，得到所述文本对中各文本的量化矩阵；将各文本的量化矩阵作为卷积神经网络的输入，将该文本对所对应的同义标注结果作为卷积神经网络的输出，训练所述卷积神经网络，得到同义鉴别模型。鉴别同义文本的方法包括：获取待鉴别的文本对；利用词向量词典，得到所述文本对中各文本的量化矩阵；将所述各文本的量化矩阵作为同义鉴别模型的输入，根据所述同义鉴别模型的输出确定文本对的同义鉴别结果。通过本发明所提供的技术方案，降低了对切词工具、词性分析、句子模板等辅助工具的依赖，能够提高文本对同义鉴别结果的准确性。

摘要： 本申请实施例提供了一种同义词识别模型的训练方法、同义词确定方法及设备，涉及机器学习和计算机技术领域。所述方法包括：获取多个词语；获取词语的多源特征信息，多源特征信息包括语义特征信息和文字特征信息；基于多个词语确定多个训练样本；通过同义词识别模型基于训练样本中两个词语的多源特征信息，确定训练样本的同义词预测结果和相关性预测结果，相关性预测结果是指训练样本中两个词语之间相关性的预测结果；基于训练样本的同义词预测结果和相关性预测结果，计算同义词识别模型的损失函数值；根据损失函数值对同义词识别模型进行训练。本申请实施例提供的技术方案，能够提升识别同义词的准确性。

摘要： 本发明提供一种同时表达H5N1亚型禽流感同义血凝素蛋白和同义神经氨酸酶蛋白的重组表达载体，其中所述同义血凝素蛋白的氨基酸序列为SEQ？ID？NO：1，所述同义神经氨酸酶蛋白的氨基酸序列为SEQ？ID？NO：2，所述重组表达载体通过将编码SEQ？ID？NO：1的核苷酸序列和编码SEQ？IDNO：2的核苷酸序列插入到同一个表达载体中构建而成。本发明提供包含有效量的上述重组表达载体的DNA疫苗，所述疫苗可以有效预防和/或治疗H5亚型禽流感病毒的感染。本发明同时涉及所述蛋白或其编码核苷酸序列作为H5亚型流感灭活疫苗以及其他基因工程疫苗的免疫原基因的应用。

摘要： 进行具有高精度的同义词判断而从文本中自动地生成同义词辞典。对文本进行词素分析，而将文本分割为多个单词，获得词素分析完毕文本。对词素分析完毕文本进行主题分类，从多个单词中选择属于各主题的至少一个主题词，从至少一个主题词中提取附带有各主题的特征的基准词。对多个单词进行多维向量化，而获得分别表现多个单词的多个向量。从多个单词中选择至少一个类似词。以使表现基准词的向量与表现至少一个类似词的各类似词的向量之间的类似度高于设定的基准的方式，选择至少一个类似词。制作登记有至少一个类似词的至少一部分的同义词辞典。

摘要： 一种同义词挖掘方法、同义词挖掘装置及存储介质。该同义词挖掘方法包括：对输入的语料数据进行识别处理，以得到至少一个类别的命名实体集合；对每个类别的命名实体集合进行聚类处理，以得到每个类别对应的同义词候选集合；以及，基于词形相似度和上下文相似度，对每个类别对应的同义词候选集合进行过滤处理，以得到每个类别对应的同义词集合。该同义词挖掘方法可以基于词形相似度和上下文相似度，对聚类处理得到的同义词候选集合进行过滤处理，从而可以提升得到的同义词集合的纯度，进一步地，基于挖掘的同义词集合可以构建同义词词典，将其应用于自然语言处理领域时，可以提高知识点过滤、关键词提取、文本分类、语义聚类等任务的准确性。

摘要： 本说明书提供了同义名称词的确定方法和同义名称词的知识库的建立方法。在一个实施例中，同义名称词的确定方法通过先获取包含有目标对象的第一名称词的第一语料数据，以及与第一语料数据关联的第二语料数据；再通过根据预设的处理规则对上述语料数据进行基于自然语言理解的多组预设处理，得到处理后的语料数据；进而可以利用上述处理后的语料数据，通过确定并利用文本数据的正则表达式，以及文本数据与目标对象的第一名称词之间的关系参数这两种不同维度的参数数据，来挖掘确定出目标对象的同义名称词。从而能够有效地避免遗漏，较为准确、全面地挖掘出目标对象的同义名称词。

摘要： 本发明公开一种本发明还提供一种同义问句生成模型训练方法及系统，其中所述方法包括：获取训练样本集，所述训练样本集中包含有多个同义问句集合，所述多个同义问句集合中的每一个同义问句集合分别包含多个问句对；以所述训练样本集中的问句对对所述同义问句生成模型进行训练。通过训练得到同义问句生成模型，可以在进行同义问句的扩展时直接将待扩展问句输入至训练好的同义问句生成模型即可得到多个扩展出的同义问句，节省了人力物力，并且还使得扩展出的句式更加的多种多样。

摘要： 本申请实施例提供了一种同义词识别模型的训练方法、同义词确定方法及设备，涉及机器学习和计算机技术领域。所述方法包括：获取多个词语；获取词语的多源特征信息，多源特征信息包括语义特征信息和文字特征信息；基于多个词语确定多个训练样本；通过同义词识别模型基于训练样本中两个词语的多源特征信息，确定训练样本的同义词预测结果和相关性预测结果，相关性预测结果是指训练样本中两个词语之间相关性的预测结果；基于训练样本的同义词预测结果和相关性预测结果，计算同义词识别模型的损失函数值；根据损失函数值对同义词识别模型进行训练。本申请实施例提供的技术方案，能够提升识别同义词的准确性。

摘要： 本发明提供一种建立同义鉴别模型以及鉴别同义文本的方法、装置，所述建立方法包括：获取训练样本中的文本对；利用词向量词典，得到所述文本对中各文本的量化矩阵；将各文本的量化矩阵作为卷积神经网络的输入，将该文本对所对应的同义标注结果作为卷积神经网络的输出，训练所述卷积神经网络，得到同义鉴别模型。鉴别同义文本的方法包括：获取待鉴别的文本对；利用词向量词典，得到所述文本对中各文本的量化矩阵；将所述各文本的量化矩阵作为同义鉴别模型的输入，根据所述同义鉴别模型的输出确定文本对的同义鉴别结果。通过本发明所提供的技术方案，降低了对切词工具、词性分析、句子模板等辅助工具的依赖，能够提高文本对同义鉴别结果的准确性。

摘要： 本发明公开了一种公安用同义词库的构建方法，涉及数据处理技术领域，所解决的是缩短计算时间及提高计算速度的技术问题。该方法先构建一个同义词库，并根据已知的数据元构建数据元库，并将各数据元分为对象类、特征类、表示类三种类型；当有新词需要插入时，先对新词按照对象类、特征类、表示类这三种类型分割为三个分词，再从数据元库中分别找出三个分词出现次数最多的对象类数据元、特征类数据元、表示类数据元，进而计算出新词的匹配度，再根据新词的匹配度判断该新词是否为同义词，如果该新词为同义词，则将新词与数据元的同义关系存入同义词库。本发明提供的方法，适用于公安用数据处理。