摘要： 同義現(xiàn)象在語言中非常常見,而漢語和法語中都擁有大量的同義詞。同義詞所提供的豐富的選擇使法語學習者在漢法翻譯中能夠避免重復(fù),從而表達更加準確、生動、形象。通過比較語義學家和詞匯學家對于同義詞的不同分類方法,我們認為,在詞義上和在文體上辨析有所區(qū)別的兩類同義詞對翻譯實踐中的選詞具有很大的指導(dǎo)意義。本文從《紅樓夢》法譯版本中選取若干動詞或動詞詞組,對比李治華譯本和吳鴻緲譯本的選詞差異,力圖從辨析同義詞的角度,對詞的本義和附屬意義進行比較、分析,探討如何在漢法翻譯實踐中,既避免誤用同義詞,又能豐富語言的表達。

摘要： 隨著對外漢語教學的發(fā)展,同義詞辨析作為詞匯教學中的重難點之一,受到的關(guān)注度越來越高。通過檢索知網(wǎng)數(shù)據(jù)庫,搜集了近年來關(guān)于同義詞辨析的文章,然后從同義詞的界定、辨析角度、方法以及教學四個方面對其進行綜述。

摘要： 詞典通常采用循環(huán)解釋來處理同義詞,因此很難發(fā)現(xiàn)同義詞之間細微的差異。語料庫提供真實的使用數(shù)據(jù),經(jīng)過統(tǒng)計分析可以為同義詞辨析提供客觀可信的結(jié)果。對應(yīng)分析是一種多因素數(shù)據(jù)分析技術(shù),是同義詞辨析的有效方法。本文先介紹該方法中的一些重要概念,然后以英語中表達“快樂”的一組六個同義形容詞(happy, joyful, delightful, cheerful, joyous,merry)為例,使用該分析法對這組同義詞進行研究,揭示該組同義詞之間細微的語義、用法差異及其內(nèi)部語義結(jié)構(gòu)。

摘要： 該文提出一種面向句子的漢英口語翻譯自動評分方法,選取語義關(guān)鍵詞、句子大意和口語流利度作為評分的主要參數(shù).為了提高關(guān)鍵詞評分的準確度,該文使用同義詞辨析方法,識別考生答題關(guān)鍵詞中的同義詞;在句子層面,使用可伸展遞歸自編碼(unfolding recursive auto-encoder,URAE)神經(jīng)網(wǎng)絡(luò)模型分析考生對句子大意的翻譯;最后基于語速(tempo/rate)和語音的分布情況對口語流利度進行評分.綜合三種參量加權(quán)評分,得到最后翻譯質(zhì)量的評分.實驗結(jié)果表明,采用該文方法與人工評分結(jié)果具有較好的一致性,達到了預(yù)期設(shè)計目標.

摘要： 西班牙語學生在學習時多會遇到易混淆的同義詞,但同義詞辨析多建立在詞典釋義與例句分析的基礎(chǔ)上,學生對該方法的接受程度并不高。本文以SketchEngine作為檢索工具,以西班牙語語料庫EsTenTen18作為檢索語料庫,探討echar與其同義詞tirar之間的搭配差異,為同義詞辨析提供新思路。

摘要： 英語中的同義詞(組)、近義詞(組)實在是多。這里,我們繼續(xù)討論一些常見同義詞(組)、近義詞(組)的意思和用法。九between,amongbetween和among都可以表示"在……之間"的意思,但是這兩個詞的用法有所不同。1.between一詞,表示"在……之間",與among不同,它指在"兩者之間"。如:Zhongshan City is between Foshan City and Zhuhai City.中山市位于佛山市與珠海市之間。

摘要： 同義詞是英語中常見的語言現(xiàn)象之一。這些同義詞易被混淆,干擾性強,致使不少同學在運用時因辨別不清、把握不當而出錯。對此,筆者歸納了幾組易混同義詞,以期能幫助同學們辨析,理解,把握本質(zhì),從而避免錯用詞匯。易混同義詞之一:spend,cost,take,pay在英語中,spend,cost,take,pay這四個單詞均有"花費"的意思,但其用法有所區(qū)別。具體體現(xiàn)在:(1)spend,主要指"花費時間、金錢或精力",主語不能為"物或事",只能為"人",常用結(jié)構(gòu)是:sb.spend money/time on sth./(in)doing sth.如:She would pinch on food in order to spend on clothing.(她過去常把伙食費省下來買衣服。)The more time you spend in learning,the better you will be.(你花在學習上的時間越多,你就會越好。)

摘要： 目前,在全國高等院校的西班牙語教學過程中,不論教材版本有何不同,詞匯講解中的同義詞辨析始終被視為重點內(nèi)容.不同于漢語,西班牙非常忌諱重復(fù),為提升文章的格調(diào),避免詞語重復(fù),最基本的方法就是使用同義詞進行替換.這里的同義詞并非都是詞典里所指的同義詞,而是在當時的語境下,結(jié)合上下文,互為同義的詞語或短語,即等價概念.語料庫作為真實語言的樣本,為語言的某一具體角度提供研究的新思路,本論文舉例分析了幾種西班牙語同義詞辨析的傳統(tǒng)方式,再使用西班牙語語料庫EsTenTen11進行數(shù)據(jù)分析,旨在探討后者能如何提供新的研究思路.

摘要： 本申請實施例提供了一種同義詞識別模型的訓練方法、同義詞確定方法及設(shè)備，涉及機器學習和計算機技術(shù)領(lǐng)域。所述方法包括：獲取多個詞語；獲取詞語的多源特征信息，多源特征信息包括語義特征信息和文字特征信息；基于多個詞語確定多個訓練樣本；通過同義詞識別模型基于訓練樣本中兩個詞語的多源特征信息，確定訓練樣本的同義詞預(yù)測結(jié)果和相關(guān)性預(yù)測結(jié)果，相關(guān)性預(yù)測結(jié)果是指訓練樣本中兩個詞語之間相關(guān)性的預(yù)測結(jié)果；基于訓練樣本的同義詞預(yù)測結(jié)果和相關(guān)性預(yù)測結(jié)果，計算同義詞識別模型的損失函數(shù)值；根據(jù)損失函數(shù)值對同義詞識別模型進行訓練。本申請實施例提供的技術(shù)方案，能夠提升識別同義詞的準確性。

摘要： 本發(fā)明提供了一種同義詞模板的挖掘方法和裝置以及同義詞的挖掘方法和裝置，其中同義詞挖掘的方法包括：利用預(yù)先設(shè)置的同義詞模板，查找網(wǎng)頁中的同義標記符；在所述網(wǎng)頁中同義標記符前后的設(shè)定距離范圍內(nèi)，按照所述同義詞模板中所述同義標記符對應(yīng)的同義詞對中各詞語的邊界信息，抽取出同義詞對；其中，所述同義詞模板包括：同義標記符和同義詞對中詞語的邊界信息。通過本發(fā)明可以大大提高同義詞挖掘的效率。

摘要： 本發(fā)明屬于自然語言的處理或轉(zhuǎn)換技術(shù)領(lǐng)域，公開了一種基于同類詞與同義詞替換的數(shù)據(jù)增強機器翻譯方法，利用詞向量最終會被很好地聚類的特性，得到質(zhì)量較高的同類詞表與同義詞表；用大語種訓練過程中得到的詞向量構(gòu)建同類詞表與同義詞表，再對稀缺的小語種中同類詞與同義詞進行替換；擴充小語種的平行語料，再采用編碼?解碼結(jié)構(gòu)和注意力機制的神經(jīng)網(wǎng)絡(luò)訓練小語種的神經(jīng)網(wǎng)絡(luò)機器翻譯模型。擴充了訓練數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)翻譯模型的參數(shù)能夠在足夠多的數(shù)據(jù)中得到很好的學習，并且可以緩解神經(jīng)機器翻譯中未登錄詞這一問題，使得翻譯模型的翻譯質(zhì)量得到提升。當整個網(wǎng)絡(luò)在開發(fā)集上的翻譯質(zhì)量不再有明顯提升時，網(wǎng)絡(luò)參數(shù)已經(jīng)得到了很好的學習。

摘要： 本發(fā)明屬于計算機密碼學領(lǐng)域，具體涉及一種基于同義詞集的模糊多關(guān)鍵詞可搜索加密方法。其中，該技術(shù)方案包括：對同義詞集WordNet的組織和編碼，該編碼方式使得語義相近的關(guān)鍵詞具有相似的編碼，可以從向量上計算關(guān)鍵詞的相似程度；模糊多關(guān)鍵詞可搜索加密算法，通過該算法可以一次性查詢多個關(guān)鍵詞以及查詢到和關(guān)鍵詞相近含義的文件。該方法解決了數(shù)據(jù)以密文方式存儲在云服務(wù)器上時，利用云服務(wù)器的強大計算能力進行關(guān)鍵詞的檢索，而不會向服務(wù)器泄露任何用戶的隱私。這不僅僅使得用戶的隱私得到了有效的保護，而且檢索效率也在服務(wù)器的幫助下得到了大幅度的提升。

摘要： 進行具有高精度的同義詞判斷而從文本中自動地生成同義詞辭典。對文本進行詞素分析，而將文本分割為多個單詞，獲得詞素分析完畢文本。對詞素分析完畢文本進行主題分類，從多個單詞中選擇屬于各主題的至少一個主題詞，從至少一個主題詞中提取附帶有各主題的特征的基準詞。對多個單詞進行多維向量化，而獲得分別表現(xiàn)多個單詞的多個向量。從多個單詞中選擇至少一個類似詞。以使表現(xiàn)基準詞的向量與表現(xiàn)至少一個類似詞的各類似詞的向量之間的類似度高于設(shè)定的基準的方式，選擇至少一個類似詞。制作登記有至少一個類似詞的至少一部分的同義詞辭典。

摘要： 一種同義詞挖掘方法、同義詞挖掘裝置及存儲介質(zhì)。該同義詞挖掘方法包括：對輸入的語料數(shù)據(jù)進行識別處理，以得到至少一個類別的命名實體集合；對每個類別的命名實體集合進行聚類處理，以得到每個類別對應(yīng)的同義詞候選集合；以及，基于詞形相似度和上下文相似度，對每個類別對應(yīng)的同義詞候選集合進行過濾處理，以得到每個類別對應(yīng)的同義詞集合。該同義詞挖掘方法可以基于詞形相似度和上下文相似度，對聚類處理得到的同義詞候選集合進行過濾處理，從而可以提升得到的同義詞集合的純度，進一步地，基于挖掘的同義詞集合可以構(gòu)建同義詞詞典，將其應(yīng)用于自然語言處理領(lǐng)域時，可以提高知識點過濾、關(guān)鍵詞提取、文本分類、語義聚類等任務(wù)的準確性。

摘要： 本申請實施例提供了一種同義詞識別模型的訓練方法、同義詞確定方法及設(shè)備，涉及機器學習和計算機技術(shù)領(lǐng)域。所述方法包括：獲取多個詞語；獲取詞語的多源特征信息，多源特征信息包括語義特征信息和文字特征信息；基于多個詞語確定多個訓練樣本；通過同義詞識別模型基于訓練樣本中兩個詞語的多源特征信息，確定訓練樣本的同義詞預(yù)測結(jié)果和相關(guān)性預(yù)測結(jié)果，相關(guān)性預(yù)測結(jié)果是指訓練樣本中兩個詞語之間相關(guān)性的預(yù)測結(jié)果；基于訓練樣本的同義詞預(yù)測結(jié)果和相關(guān)性預(yù)測結(jié)果，計算同義詞識別模型的損失函數(shù)值；根據(jù)損失函數(shù)值對同義詞識別模型進行訓練。本申請實施例提供的技術(shù)方案，能夠提升識別同義詞的準確性。

摘要： 本發(fā)明提供了一種同義詞模板的挖掘方法和裝置以及同義詞的挖掘方法和裝置，其中同義詞挖掘的方法包括：利用預(yù)先設(shè)置的同義詞模板，查找網(wǎng)頁中的同義標記符；在所述網(wǎng)頁中同義標記符前后的設(shè)定距離范圍內(nèi)，按照所述同義詞模板中所述同義標記符對應(yīng)的同義詞對中各詞語的邊界信息，抽取出同義詞對；其中，所述同義詞模板包括：同義標記符和同義詞對中詞語的邊界信息。通過本發(fā)明可以大大提高同義詞挖掘的效率。

摘要： 一種面向知識融合中同義詞詞林的知識存儲裝置及方法，包括知識融合中的詞語拆分及編碼模塊、改進樹形存儲結(jié)構(gòu)、多元組存儲形式的鏈表結(jié)構(gòu)；所述知識融合中的詞語拆分及編碼模塊對所述中文文本進行詞語拆分、漢字編碼、散列表存儲；所述改進的樹形存儲結(jié)構(gòu)對所述場景下的文本字、詞構(gòu)建樹形存儲結(jié)構(gòu)，完成文本樹形層級索引；所述多元組存儲形式的鏈表結(jié)構(gòu)對所述的知識融合中同義詞詞林進行磁盤存儲，基于鏈表存儲形式，創(chuàng)新構(gòu)建同義詞詞林三元組存儲結(jié)構(gòu)，并設(shè)計前后指針索引。本發(fā)明具有檢索效率高、準確率高的特點。

摘要： 本發(fā)明基于對依存關(guān)系的語義相似度方法和同義詞詞林的語義相似度計算方法的研究，設(shè)計了一種基于依存關(guān)系與同義詞詞林相結(jié)合的語義相似度計算方法。該方法通過依存關(guān)系分別提取兩個文本的關(guān)系路徑，同時基于同義詞詞林計算兩個文本之間關(guān)系路徑的語義相似度。在計算兩個文本之間的語義相似度時，使用語言技術(shù)平臺(Language Technology Platform，LTP)對文本進行中文分詞以及獲取文本的依存關(guān)系圖，從其中提取關(guān)系路徑，從而可以結(jié)合關(guān)系路徑和同義詞詞林計算兩個文本之間的語義相似度。