语法关系

摘要： 我们现在是这样来理解汉语语法的总特点的:表现语法意义的语法形式是多种多样的,汉语语法不依赖于严格意义的形态变化,而主要借助于虚词、句式、重叠、语序、框式、韵律等其他语法手段来表现语法关系和语法意义。只有这样的表述才真正摆脱了印欧语语法理论的束缚。

摘要： 提出了一种基于随机森林的N 1+N2结构语法关系分类判定方法,在自建熟语料库的基础上,为每个短语结构建立用于分类决策树的7个特征,使用C4.5方法生成决策树,构造随机森林算法,通过投票原则给出最终判断结果.经训练集学习后,在含有1020条语料的测试集中进行测试,正确率达到94.8％.结果表明:使用随机森林算法进行汉语短语结构语法关系分类判定是行之有效的.

摘要： 提出了一种基于随机森林的N1+N2结构语法关系分类判定方法,在自建熟语料库的基础上,为每个短语结构建立用于分类决策树的7个特征,使用C4.5方法生成决策树,构造随机森林算法,通过投票原则给出最终判断结果。经训练集学习后,在含有1 020条语料的测试集中进行测试,正确率达到94.8%。结果表明:使用随机森林算法进行汉语短语结构语法关系分类判定是行之有效的。

摘要： 从复杂性研究范式看,语言是一个有机而非机械符号系统.在有机观下,本文尝试提出解决功能句法分析中存在的不一致性、繁琐性和冗余性问题的方案.文章指出,语言系统形式层的核心概念是语法范畴,包括语法单位、结构成分和形式项;核心思想是语法关系,包括构成、组成、填充、说明和重合;语法描写和分析应尊重语言作为有机符号系统所具有的特点,包括采纳有机级阶思想和有机结构标准等,是简则简,是繁则繁.

摘要： 短语结构的语法关系判定是自然语言处理领域的关键问题之一,应用支持向量机进行分类判定,其核心问题是如何将汉语短语结构转换为适合支持向量机使用的数值向量的形式.在自建N1+N2结构语料库的基础上,利用《同义词词林》对N1+N2结构内部两个名词进行语义编码,并将编码转换为数值向量,运用支持向量机的方法判定该结构的语法关系,按照训练集与测试集9:1的比例使用随机交叉验证的方法进行检验,平均正确率达到86.2％.实验结果证明了所提算法的有效性,也证明了运用人工智能方法处理自然语言处理领域的问题势在必行.

摘要： 提出了一种基于词义相似度和最近邻算法的"N1+N2"结构短语语法关系判定方法.首先从"N1+N2"结构中两对名词间的语义相似度定义了短语结构间的相似度,在此基础上给出最近邻分类算法所需要的短语结构间距离的概念;然后建设了一个标注了词语语义类别和短语语法关系的"N1+N2"结构的样本语料库,建立了一种能够标注"N1+N2"结构关系的最近邻分类算法;最后用测试集中计算机标注结果与人工标注结果比较来测试算法效果.实验结果显示,基于论文所提算法的计算机自动标注结果正确率达到97.55％,该结果证明了论文设计算法的有效性.

摘要： 设计了一种基于决策树算法的N1+N2结构语法关系判定方法.首先建立了该结构的语料库,对每条语料都标注构建特征集所需的词性、《同义词词林》语义编码、语法关系和词义相似度等信息;然后为证明相似度在判断语法关系中的合理性,根据语言学原理研究了N1+N2结构两个名词间语义相似度与语法关系之间的内在规律:①从语法关系的角度比较两个名词间的语义相似度结果为:并列关系>复指关系>定中关系>主谓关系;②从语言功能焦点的角度比较两个名词间的语义相似度结果为:并焦型短语>后焦型短语.最后以此为基础构建了特征集,运用决策树C4.5算法建立了自动判定N1+N2结构语法关系的方法.运用该算法在自建语料库的测试集中进行测试,正确率为89.39％.

摘要： 茶文化是中国传统文化的重要组成部分。在中国,茶文化指的是中国制茶、饮茶的文化。"茶"作为一种饮品,在中国古代源远流长。从当前现有的文献可知,最早从汉代的《僮约》开始就出现了"茶"的相关记载。"茶"作为中国传统物质文明与精神文明的组成部分有多个雅称和代称,例如茗、槚等。在现代汉语中人们经常使用"茗茶"这一词组。但人们经常误解"茗茶"的含义为"名茶"。本文将从"茗"字的语义出发,对"茗茶"这一词组的语法关系以及产生的原因进行分析。从语义与语法两个角度对"茗茶"与"名茶"这两个词语加以区别。

摘要： 汉语复合词内部语素间的结构方式对于词义形成具有重要作用,词语结构包括语法关系和语义关系两个层面.通过对《汉语国际教育用音节汉字词汇等级划分》高级词汇中双音复合名词内部结构方式的考察发现:复合名词的语法结构方式有定中、联合、支配、状中、陈述、递续、缩略、重叠、意合9类,每类语法结构方式中均包含有复杂的语义结构关系.

摘要： 本文根据科技法语文章的行文特点，通过对句子结构和语法关系的分析，对此类文章中比较常见的各种复合句的结构特点、翻译解析过程及技巧进行了较为详细的分析和论述，希望借此可在一定程度上明晰和简化此类复合句以及其中长难句的翻译。

摘要： 本文首先从100万词级现代蒙古语语料库中抽取现代蒙古语典型的兼类词HELE、OCI、IDE的搭配分布情况，计算其MI值和Z值，得到了它们的诸显著搭配词。然后，通过分析归纳HELE、OCI、IDE的各个搭配的结构和语法关系，探讨了一种消解现代蒙古语词类歧义的方法。

摘要： 本发明公开了一种基于语法分析的获取数据血缘关系的系统及方法，包括数据血缘关系分析服务器；数据血缘关系分析服务器主要由原始操作信息输入模块、框架分析模块、词法分析模块、语法分析模块、中间结果信息生成模块、数据血缘关系逻辑分析模块和查询接口；还包括血缘关系代理插件。本发明系统及方法可扩展性强，且更加高效。

摘要： 本发明提供了对MPEG-4AVC高层编码中的CAVLC？4:4:4帧内、高4:4:4帧内和高4:4:4预测简档使用针对coded？block？flag语法元素的语法的方法和装置。一种装置包括编码器(100)，用于根据编码简档将图像数据编码成结果比特流，所述编码简档对图像数据的采样进行编码，使所述采样包括两个色度阵列和亮度阵列。两个色度阵列分别具有与亮度阵列相同的高度和相同的宽度。所述编码器(100)使用语法元素指示至少一个8×8块在结果比特流中的存在。

摘要： 本发明提出一种语法编译系统适用于自然语言。语法编译系统包括编译模块、输入装置以及处理器。编译模块具有内建句式模板。内建句式模板包括多个形式参数。编译模块为语法编译平台。输入装置用以接收词组数据以及语意数据。处理器耦接输入装置，并且用以执行编译模块。当处理器执行编译模块时，处理器读取编译模块当中的内建句式模板，并且将词组数据以及语意数据与内建句式模板结合，以产生语法表达式数据。另外，一种语法编译方法也被提出。

摘要： 本申请提供了一种数据关系语法解析方法及装置、电子设备、存储介质，可应用于大数据领域或金融领域，所述方法包括：从数据库中获取当前目标数据表；对所述当前目标数据表进行文本检测，得到所述当前目标数据表中的血缘关系语法的头部关键字；根据所述当前目标数据表的血缘关系语法的头部关键字，确定所述当前目标数据表所属的类型；若所述当前目标数据表所属的类型为关系数据生成类或关系数据插入类，则对所述当前目标数据表中的血缘关系语法进行解析，得到所述当前目标数据表对应的数据血缘关系；将所述当前目标数据表对应的数据血缘关系进行存储。

摘要： 本发明公开了一种融合文本语法结构和语义信息的文本实体关系自动分类方法。该方法的具体实施步骤如下：（1）、对文本集预处理得到句子初始向量；（2）、提取句中词语与实体及关系的相关度，更新句子向量；（3）、将（2）的句子向量输入双向门循环单元神经网络，得到融合语义信息的句子向量；（4）、将（2）的句子向量输入图注意力神经网络，得到融合语法结构信息的句子向量；（5）、将（3）的输出和（4）的输出进行拼接，更新句子向量；（6）、将（5）的句子向量输入全连接神经网络层，得到句子的特征向量，经softmax变换输出实体关系分类向量。本方法能够有效缓解实体关系分类中语义特征、语法特征难以表示及人工特征选择误差大的问题。

摘要： 本发明公开了一种基于语法分析的获取数据血缘关系的系统及方法，包括数据血缘关系分析服务器；数据血缘关系分析服务器主要由原始操作信息输入模块、框架分析模块、词法分析模块、语法分析模块、中间结果信息生成模块、数据血缘关系逻辑分析模块和查询接口；还包括血缘关系代理插件。本发明系统及方法可扩展性强，且更加高效。

摘要： 本发明提供了对MPEG－4 AVC高层编码中的CAVLC4:4:4帧内、高4:4:4帧内和高4:4:4预测简档使用针对coded_block_flag语法元素的语法的方法和装置。一种装置包括编码器(100)，用于根据编码简档将图像数据编码成结果比特流，所述编码简档对图像数据的采样进行编码，使所述采样包括两个色度阵列和亮度阵列。两个色度阵列分别具有与亮度阵列相同的高度和相同的宽度。所述编码器(100)使用语法元素指示至少一个8×8块在结果比特流中的存在。

摘要： 一种根据本文档的由解码设备执行的解码方法包括以下步骤：基于从比特流获得的关于预测模式的信息来确定当前块的预测模式；基于预测模式来构建合并候选列表；基于合并候选列表来推导当前块的运动信息；以及基于运动信息来生成当前块的预测样本，其中比特流包括关于表示组合的图片间合并和图片内预测(CIIP)是否可用的CIIP可用标志，以及所述确定步骤可以包括基于CIIP可用标志从比特流获得常规合并标志。

摘要： 本发明公开了一种基于多粒度语法错误模板学习微调的语法纠错方法和系统。本发明方法通过在预训练语言模型中分别执行正误判断任务的模板学习过程、错误类型预测任务的模板学习过程和修改方式预测任务的模板学习过程。然后通过多任务学习，使用三个任务损失计算预训练语言模型的训练损失，用训练损失调节预训练语言模型的模型参数，得到微调后预训练语言模型。然后，使用微调后预训练语言模型和融合预训练语言模型的生成语法纠错方法，训练一个语法纠错模型。最后，将待纠错语句输入语法纠错模型，得到待纠错语句的正确语句。本发明通过多任务学习考虑了三种粒度的语法纠错信息之间的依赖和交互，为语法纠错模型提供丰富、多角度的语法纠错信息。

摘要： 本发明涉及大数据分析的技术领域，具体公开了一种语法提示方法、语法提示装置、计算机设备及存储介质；其中，该语法提示方法包括：根据预设的标签符号标识获取标签类型，以获取调用的标签库中的多个要素标签模版，并将多个要素标签模版按照第一预设顺序进行排序；根据预设的函数符号标识获取函数类型，以获取调用的函数库中的多个函数模版，并将多个函数模版按照第二预设顺序进行排序；获取用户输入的目标符号标识；若目标符号标识为标签符号标识，则将多个要素标签模版按照第一预设顺序提示在页面上；若目标符号标识为函数符号标识，则将多个函数模版按照第二预设顺序提示在页面上。本发明的语法提示方法，可以提高代码开发效率。