动名词

摘要： 在日常生活中,相信大家应该都有丰富的兴趣爱好。今天我们就一起来讨论一下如何表达自己的喜好,并且看看有哪些我们常见的兴趣爱好吧!一、Ways to express your likes表达喜好的方式1.like like作为动词时,可以表示“喜欢”的意思,后面既可以接不定式to do表示习惯性的行为,也可以接动名词doing表示单纯的喜欢。

摘要： 本文以中国日语学习者语料库(CJLC)中日语动名词误用为形容词的中日同形词为研究对象,运用SPSS统计软件对学习者测试结果进行数据分析,结果表明:日语学习者在动名词作谓语时对词性的把握准确度要高于作定语的情况;在作定语时学习者还存在过度使用「～テキ」的情况;受母语干涉,容易将动名词误用形容词,同时还包括对日语中动词作定、谓的功能把握不准确而导致的误用.

摘要： 非谓语动词是英语表达中必不可少的部分。非谓语动词包括不定式、动名词和分词(过去分词、现在分词)。因为非谓语动词同时兼有多种词类的特点,譬如,从结构上看,它具有动词的典型特点(时态、语态);从句法功能上看,它具有名词(主语、宾语、表语、补语)、形容词(定语、表语、补语)、副词(状语)等词的特点。所以熟练掌握、准确运用非谓语动词,对提升我们的书面表达有着很大的帮助。

摘要： 主语,简而言之,就是一个句子的执行主体,是句子的动作执行者,说明动作由谁发出以及其执行的动作或具有的特性。无论是汉语还是英语以及其他各种语言都会用到主语。因此,在英汉互译的过程中,翻译人员对于主语的处理就显得尤为重要。英语是一门重视句子结构的语言,每句话的结构都非常清晰,然而汉语很多时候常常忽略主语的存在,更加鲜明地突出事情的重点。

摘要： 主语,简而言之,就是一个句子的执行主体,是句子的动作执行者,说明动作由谁发出以及其执行的动作或具有的特性.无论是汉语还是英语以及其他各种语言都会用到主语.因此,在英汉互译的过程中,翻译人员对于主语的处理就显得尤为重要.英语是一门重视句子结构的语言,每句话的结构都非常清晰,然而汉语很多时候常常忽略主语的存在,更加鲜明地突出事情的重点.

摘要： 动名词和现在分词都是在动词后加"-ing"构成的一种形式,都是属于非限定动词又称非谓语动词所要学习的范畴.但是,许多语法书对现在分词和动名词区别不大,学生无法正确区分和使用.笔者认为讨论现在分词和动名词时,应多从区别和应用上,介绍两词之间的异同,让学生能准确应用.

摘要： 本文主要通过演绎法(deductive method)讲授非谓语动词如何在句中使用。本人从事高中英语教学多年,发现这样讲授非谓语动词,学生掌握的非常快,提高了学习效率同时增强了学习语法的自信心。

摘要： 英语表“原因”的介词短语有好几个,用法也灵活多样。本文在参考多部词典的基础上,对表“原因”的介词短语作一归纳。1.because of较口语化,通常做状语,可跟名词、代词、动名词或名词性从句,意为“因为”“由于”。例如:They are here because of us.他们是因为我们来这里的。

摘要： 1. How about...?How about(=What about)…?意为"(你认为)……怎么样?"常用于征求意见、询问情况或提出建议,后接名词、代词或动名词。如:How about going out for a walk?出去散步怎么样?2. not... any more not...any more意为"不再",相当于not...any longer或no longer。not...any more一般用于非延续动词的句子中,用来说明在程度和数量上的"不再"。如:I don’t want any more.我不想再要了。

摘要： 本发明属于人工智能的自然语言处理子领域，提供了一种基于汉语简单名词短语的汉语最长名词短语识别方法。包括如下步骤：S1数据预处理；S2选用SVM方法，训练汉语SNP识别模型，识别出汉语SNP；S3使用缩略替换方法简化文本，得到新的训练及测试语料；S4在经S3处理得到的新语料中，再次提取样本集，针对简化后的汉语MNP进行模型训练、识别；S5还原语料，还原后的汉语MNP为本方法最终识别结果。本发明的汉语MNP识别方法可以降低汉语MNP在自动识别中因其长度过长、语义及结构复杂等因素带来的不利影响，因此能有效提高汉语MNP的识别效果。

摘要： 本申请实施例提供了一种复合名词的解释方法、装置及电子设备，该方法包括：基于不同角度生成表征目标复合名词的语义的多个语义特征向量；拼接多个语义特征向量在目标向量空间的各映射结果，得到多角度语义特征向量；基于多角度语义特征向量，确定目标复合名词中第一名词与第二名词的语义关系；在语义关系正确表征第一名词和第二名词语义之间的关联的情况下，将语义关系确定为目标复合名词的释义。本申请实施例从多角度考虑，提升了多角度语义特征向量的准确率，进而提升了语义关系的准确率。

摘要： 本发明涉及一种对于无字间空格语言文字权利要求书的元件名词及元件名词所属位置自动得出设备，其中，包括：基本排除文字纪录排除装置、可删文字纪录排除装置、单个文字纪录排除装置以及进阶排除文字纪录排除装置；无字间空格语言文字权利要求书文字C‑Text中经排除基本排除文字后的连续文字作为基本排除文字连续文字，该基本排除文字排除连续文字中经排除可删文字后的连续文字作为可删文字删去连续文字，经排除单个文字后的可删文字删去连续文字作为初步元件名词，该初步元件名词中经排除进阶排除文字后的连续文字作为该得出的元件名词。

摘要： 本发明涉及一种将权利要求书中的权利要求元件名词所属元件名词对应标号予以对应的对应方法，包含元件名词对应标号撷取对应步骤及元件名词对应标号关系对应步骤，该元件名词对应标号撷取对应步骤根据名词词首及词性规则撷取出权利要求元件名词及/或说明书元件名词，或者根据断句单字将说明书中的说明书元件名词可能字串而予以撷取出，而该元件名词对应标号关系对应步骤为将元件名词对应标号撷取对应步骤所撷取出的权利要求元件名词所属元件名词对应标号予以建立对应于权利要求书的权利要求元件名词的对应关系。

摘要： 本发明属于人工智能的自然语言处理子领域，提供了一种基于汉语简单名词短语的汉语最长名词短语识别方法。包括如下步骤：S1数据预处理；S2选用SVM方法，训练汉语SNP识别模型，识别出汉语SNP；S3使用缩略替换方法简化文本，得到新的训练及测试语料；S4在经S3处理得到的新语料中，再次提取样本集，针对简化后的汉语MNP进行模型训练、识别；S5还原语料，还原后的汉语MNP为本方法最终识别结果。本发明的汉语MNP识别方法可以降低汉语MNP在自动识别中因其长度过长、语义及结构复杂等因素带来的不利影响，因此能有效提高汉语MNP的识别效果。

摘要： 本发明提供了旅游实体名词匹配方法、系统、设备及存储介质，该方法包括：基于旅游景点POI信息建立旅游实体名词词典；将所述旅游实体名词词典数据输入神经网络模型进行训练，并保存训练好的旅游实体名词预测匹配模型；以及将一待匹配的实体名词输入所述旅游实体名词词典和所述旅游实体名词预测匹配模型进行匹配，得到匹配输出。本发明能够对于旅游实体名词，根据匹配的相似度，优化实体词典匹配的结果，且针对词典覆盖不到的范围，利用模型的泛化预测能力，有效补充词典匹配结果缺失的情况。

摘要： 本发明公开了基于编辑距离的中文名词筛选方法及系统及装置及介质，涉及文本处理领域，包括：构建数据字典，其中，所述数据字典中词以组为单位进行存储，每个词组均对应一个词引和多个相似词语；获得基准词，将所述基准词与所述数据字典中的词引进行匹配，若匹配成功则获得该词引对应的多个相似词语；将匹配获得的多个相似词语与所述基准词进行组合获得筛选词组；计算筛选词组中的每个词语与筛选数据集中的每个词语之间的相似度；从所述筛选数据集中筛选出所述相似度大于阈值对应的词语获得筛选结果；本发明采用数据字典，扩大名词数据筛选的范围，提高数据筛选的准确度。

摘要： 本公开提供了一种由计算机实现的专有名词纠错方法，涉及自然语言处理，尤其涉及专有名词的识别。实现方案为：基于第一文本内容获取多个候选分词；响应于确定多个候选分词中的第一候选分词与预设的专有名词库中的第一专有名词相匹配，通过将第一文本内容中的第一候选分词替换为特定标识符而生成第二文本内容；基于第一文本内容和第二文本内容，确定是否替换第一候选分词；以及响应于确定替换第一候选分词，将第一文本内容中的第一候选分词替换为第一专有名词。

摘要： 本公开提供了一种术语名词纠错方法及装置、电子设备和介质，涉及人工智能领域，尤其涉及自然语言处理、数据挖掘和机器学习技术领域。实现方案为：对待纠错文本进行文本片段识别，以获取第一文本片段，其中，第一文本片段的长度小于待纠错文本，并且第一文本片段包含至少一个待识别是否存在错误的术语名词；基于第一文本片段，获取第一术语名词，其中，第一术语名词是经识别存在错误的术语名词；基于第一术语名词，确定第二术语名词以替换所述第一术语名词。

摘要： 本发明提供一种汉语动名词超常搭配的计算机语言处理方法，包括以下步骤:构建相关语义知识库；识别动名词超常搭配；处理所述动名词超常搭配。本发明提出一种汉语动名词超常搭配的计算机语言处理方法，依托常规搭配知识库生成语义选择限制规则从而识别超常搭配，然后针对动名词超常搭配中的隐喻问题和省略问题，分别构建隐喻知识库和谓词隐含知识库，把两者都统一于生成词库理论的框架模型，最终达到识别并有效分析动名词超常搭配的目的。