摘要： 西部金融中心、“軌道上的都市區(qū)”“兩新一重”、國際消費載體提質、“雙減”、長租房市場……這些出現(xiàn)在政府工作報告中的熱詞、新詞、暖心詞引人關注,每一個詞語,都說到了老百姓的心坎上,描繪著美好明天。

摘要： 現(xiàn)在,我們總是把非常要好的朋友稱作“死黨”。如果我告訴你,這個詞早在古代就有,你可能會不信,你多半會說:這肯定是個新詞!因為在古人眼中,“死”是一個不吉利的字眼,應該忌諱才是,怎么可能會這么稱呼呢?

摘要： "C位"一詞最初出現(xiàn)于2010年,經過十年的發(fā)展,目前成為使用群體較為廣泛、常見的一個詞。從產生至今,其經歷了從電競行業(yè)用語到舞臺娛樂行業(yè)用語,再到日常語言的過程,成為具有三個義位的多義詞,其演變是人類認知機制中隱喻機制和聯(lián)想機制共同作用的結果。探究"C位"的演變路徑和演變機制,能為探究現(xiàn)代漢語新詞發(fā)展的一般性規(guī)律提供一些證據(jù)。

摘要： 晚清民國時期是中國社會新舊轉型的大變革時期,也是漢語詞匯發(fā)展變化最為顯著的歷史時期,同時還是漢語詞匯史研究中相對薄弱的一個時期。本文以時間為軸,在文獻梳理的基礎上,回顧了新中國成立以來晚清民國漢語新詞研究的發(fā)展階段和代表成果,對該時期新詞研究的主要內容進行了分類整理,總結研究特點,肯定研究成績,以期為民國時期漢語語文辭書的深入研究提供幫助。

摘要： 新詞隨著人類社會經濟、政治科技、文化等的發(fā)展而不斷增加。而新詞的學習是二語習得中非常重要的一個方面。作為英語學習者非常重要的參考工具書,英漢學習詞典應當及時收錄已被大眾普遍認可并廣泛使用的英語新詞,并提供豐富準確的使用信息。文章將介紹當代美國英語語料庫(COCA)在輔助英漢學習詞典進行新詞收錄和釋義方面的積極作用,COCA語料庫的詞頻統(tǒng)計數(shù)據(jù)及搭配信息都能為漢英學習詞典收錄和釋義新詞提供有效參考。

摘要： “弧”及其衍生形式“弧人精”的產生,是范疇隱喻驅動語法化及認知空間概念整合的結果,其流行反映了我國當今社會科技文化的進步、人際關系的變革及教育事業(yè)的發(fā)展。新詞(語)的研究應更多地站在認知語言學的視角,在研究的過程中要更多地關注社會認知現(xiàn)象,從而更好地揭示社會生活現(xiàn)象,更好地指導漢語研究為中國特色社會主義建設服務。

摘要： 特定型語言障礙(specific language impairment,SLI)又稱單純性兒童語言障礙、兒童語言障礙、發(fā)展性兒童語言障礙等。國外幼兒園SLI的發(fā)生率為7%~8%[1];2013年姚曉菊對國內普通幼兒園3~6歲兒童抽樣調查中發(fā)現(xiàn)SLI的平均發(fā)生率為2.1%[2]。SLI兒童常常存在各種各樣的語言問題,其中,新詞習得困難是其突出特征之一。

摘要： 漢語新詞是衡量某一段歷史時期語言特點的重要標準。新時代語境中的漢語新詞在語言表達形式上獨具中國特色文化內涵,通過詞義、語體、心理因素以及社會功能等方面的運作,精準地反映了我國新時代建設過程中特有的事物與現(xiàn)象。新時代語境中的新詞立足于時代發(fā)展的要求和人民的現(xiàn)實需要,具有強烈的時代性;新時代語境中的漢語新詞具有與生俱來的實踐性;新詞形成一股深刻而持久的社會動員力量,凝聚民心,并最終促成堅實的漢語凝聚力。

摘要： 當今非洲葡語文壇的重要作家米亞·科托把自身對莫桑比克本土文化的沉浸式體驗融入到作品中,從上世紀80年代開始,創(chuàng)作了數(shù)量頗豐的優(yōu)秀作品。這些作品取材于科托和本地人的親身經歷。他習慣把口頭文化傳統(tǒng)融于文學寫作,用想象打破“真實”與“虛構”的邊界,聚焦非洲傳統(tǒng)泛靈論信仰、殖民主義、內戰(zhàn)創(chuàng)傷、女性權益和歷史鉤沉,彰顯出對個體命運的深切關照。同時,他的作品顛覆文學本體,以糅雜的文體和“再創(chuàng)造”的詞語重構了對莫桑比克魔幻現(xiàn)實的言說方式,讓小說的語言富有詩意的美感,不僅承襲了非洲的古老智慧和傳統(tǒng),還實現(xiàn)了對口述技巧的創(chuàng)造性轉化。作為當今非洲文學的中流砥柱,科托無疑是非洲葡語作家從“邊緣的邊緣”邁向“世界文學中心”的標桿。

摘要： 以"小+N"指人結構新詞語的出現(xiàn)為例,主要從使用情況、結構特點和流行原因三個方面,考察"小+N"作指人結構使用的新趨勢,認為"小"具有詞綴化傾向,N也在逐漸泛化,整個結構正由短語向詞演變."小+N"作指人結構的流行,來自于該結構可以對稱謂系統(tǒng)進行增補、迎合大眾的心理需求且符合語言的經濟性.

摘要： 隱喻是通過一種領域內的詞匯來描繪另一種領域內的現(xiàn)象，目的是為了理解、認知新事物。它是創(chuàng)造新詞新義最經濟的手段。隱喻化新詞是以一定的語音形式用已存在的概念去表達新事物的詞語。隨著社會的發(fā)展，這樣的新詞大量出現(xiàn)并成為一種社會現(xiàn)象存在。這是一個以聯(lián)想為基礎，由源域向目標域映射的過程。rn 本文從隱喻角度出發(fā)，基于搜狐語科，對新詞語的語義特點和結構特征進行分析，并建立規(guī)則庫，提出未登錄詞的識別和獲取方法，設計實驗，制訂隱喻新詞詞表并實現(xiàn)隱喻化新詞的自動識別。

摘要： @@“超女”“粉絲”“玉米”“涼粉”“盒飯”“荔枝”“筆迷”等是近年來頻頻在媒體上“曝光”的一簇新詞，它們借超級女聲的歌喉傳遍四面八方，為人們所津津樂道。其中有的詞，如“粉絲”，已經跨出娛樂界，進入社會生活的其他領域。其傳播速度之快，令人驚嘆。

摘要： HNC的句類分析處理句子的基本策略是："中間切入,先上后下"。概括為三個環(huán)節(jié)：語義塊感知,句類假設檢驗,語義塊構成分析。HNC的分詞處理則貫穿在這三個環(huán)節(jié)當中。本文分別從偽詞和新詞兩方面介紹HNC的處理方法。對偽詞的分析本文從三個方面來進行了討論,對于新詞,本文從以下的四個方面進行了介紹。介紹了HNC理論下對于解決分詞以及新詞的優(yōu)勢。

摘要： 本申請?zhí)峁┝艘环N領域新詞識別模型的訓練方法、領域新詞識別方法及設備，其中，該領域新詞識別方法包括：獲取目標語料，目標語料中包括預設時段內的多個文本，根據(jù)預先訓練的領域新詞識別模型，對目標語料進行處理，得到預設時段內的目標領域新詞，其中，領域新詞識別模型是根據(jù)訓練語料訓練得到的，訓練語料中包括歷史時段內的多個文本樣本，多個文本樣本標注有領域新詞和非領域新詞。本申請具有如下有益效果：采用領域新詞識別模型可以快速地提取出領域新詞，提高了領域新詞的識別精確率，為人機對話和輿情分析提供了強有力的引導。

摘要： 本發(fā)明實施例提供了一種更新詞庫的方法、系統(tǒng)和一種用于更新詞庫的裝置，該方法包括：監(jiān)聽對文本信息執(zhí)行的編輯操作；當監(jiān)聽到所述編輯操作時，將所述文本信息作為詞條存儲至預置的詞庫中；在所述詞庫中，根據(jù)所述編輯操作對所述詞條設置在輸入時用于排序的屬性。通過用戶的編輯操作對其排序的屬性進行個性化的調整，提高了各詞庫中詞條作為候選項時的排序準確率，方便用戶選擇所需的候選項，進一步提高了輸入的效率。

摘要： 本發(fā)明提供一種領域新詞的提取方法及系統(tǒng)，包括，采集行業(yè)內容數(shù)據(jù)，并抽取所述行業(yè)內容數(shù)據(jù)中的文本數(shù)據(jù)，得到專業(yè)領域文本數(shù)據(jù)集；根據(jù)預設的領域句法詞典對所述專業(yè)領域文本數(shù)據(jù)集進行轉化，得到對應的詞向量數(shù)據(jù)集；調取所述詞向量數(shù)據(jù)集中不屬于所述預設的領域句法詞典的候選詞語，若所述候選詞語的余弦相似度與所述預設的領域句法詞典的余弦相似度大于預設的閾值，則判定所述候選詞語為候選新詞；通過預設的過濾規(guī)則對所述候選新詞進行過濾，得到領域新詞。本發(fā)明通過新詞發(fā)現(xiàn)并融合多種新詞提取的方法可實現(xiàn)特定領域詞匯的提取，實現(xiàn)領域新詞提取，提高分詞準確率，從而提升自然語言處理下游任務的性能。

摘要： 本發(fā)明公開了一種結合詞向量多特征融合的新詞發(fā)現(xiàn)方法，該方法步驟包括：對語料進行特征標注，計算屬性對互信息矩陣和自信息矩陣，計算候選特征屬性對得分；聚類詞向量，找到對應的最近鄰類中心向量，并找出該類中心向量對應的詞作為詞向量特征屬性，遍歷所有詞向量特征屬性對，計算詞向量特征屬性對自信息矩陣和互信息矩陣，計算所有詞向量特征屬性對得分；對所有候選特征屬性對得分配置優(yōu)化權重系數(shù)后求和計算總得分；總得分超過新詞閾值時提取候選詞對對應得分向量到樣本集合；更新權重系數(shù)并迭代訓練至損失函數(shù)收斂獲得最終的權重系數(shù)；重新計算候選詞對總得分，輸出超過新詞閾值的新詞。本發(fā)明實現(xiàn)更合理的新詞評價方法，更加有效地挖掘潛在的新詞。

摘要： 本申請公開了一種用于智能交互的新詞識別方法及系統(tǒng)，所述方法包括：確定智能交互中未識別的用戶語句；將所述用戶語句進行分詞劃分后重組獲得分詞片段；將獲取的分詞片段進行組合后獲得新詞候選串；對所述新詞候選串進行統(tǒng)計篩選后確定所述用戶語句中的新詞。如果出現(xiàn)無法識別理解的用戶語句，則對語句進行拆分判斷后獲得語句中新詞的新詞，對新詞進行理解后對智能交互的答復。進而提高了交互語句新詞的識別率，保證了正常的人工智能交互。

摘要： 本發(fā)明公開了一種基于掩碼語言模型的文獻新詞發(fā)現(xiàn)方法及系統(tǒng)，屬于人工智能自然語言處理技術領域，該方法包括掩碼語言訓練組件、模型依賴關系運算組件和最大概率運算組件，掩碼語言訓練組件對文獻數(shù)據(jù)進行數(shù)據(jù)清洗、句段切分，通過訓練集的訓練組成向量標識Word Embedding，組建Attention機制和前饋神經網(wǎng)絡，合為一組Encoder，并搭建Encoder訓練模型；將編碼后的訓練集采用隨機屏蔽，部分輸入token做訓練集輸入，被屏蔽的token做輸出，以該方式做數(shù)據(jù)生成器，訓練深度雙向表示網(wǎng)絡。本發(fā)明能夠達到速度與精確度的平衡，對于特定場景的文獻有更好的新詞發(fā)現(xiàn)效果。

摘要： 本發(fā)明公開的一種基于詞向量表征的網(wǎng)頁新詞發(fā)現(xiàn)和解析方法，包括以下步驟：步驟1，網(wǎng)頁原始數(shù)據(jù)預處理，得到預訓練文本；步驟2，首先進行粗略分詞處理，然后使用N?gram模型來分別構建2?gram、3?gram的前綴字典樹；步驟3，使用內部結合度多字互信息來度量候選詞串的內部結合度；步驟4，使用左右鄰接熵信息度量來確定上一步驟中的候選新詞的邊界；步驟5，利用余弦相似度原理來進行相似向量篩選進而擴充初始關鍵詞詞典；步驟6，解析待處理網(wǎng)頁中的數(shù)據(jù)，把網(wǎng)頁中的非結構化數(shù)據(jù)轉存到一個預先設置的結構化數(shù)組列表里；步驟7，通過步關鍵詞詞典對結構化列表里的數(shù)據(jù)進行提取和整合，完成解析過程。

摘要： 本發(fā)明公開了一種用于分布式儲能領域的挖掘新詞的方法及其裝置該方法包括以下步驟：將預處理句子切割為的多個個第一待處理文字段，將多個第一待處理文字段歸結為多個個不同的第二待處理文字段，計算每個第二待處理文字段的度量值，當度量值≥第一預設閥值且的數(shù)量≥第二預設閥值時，第二待處理文字段為新詞。該方法能夠挖掘分布式儲能領域的挖掘的新詞從而創(chuàng)建詞庫。

摘要： 本發(fā)明涉及新詞召回方法和詞向量表生成方法及其裝置。提供了一種新詞召回方法，包括：接收特定領域的一個或多個文檔；對每個文檔進行分詞；計算通過分詞發(fā)現(xiàn)的新詞的左右熵和互信息熵，并基于左右熵和互信息熵獲得新詞的信息熵得分；基于所述文檔以及通用文檔，計算每個新詞在文檔中的詞頻以及在所述文檔和通用文檔中的逆文檔頻率，并基于詞頻和逆文檔頻率獲得每個新詞在每個文檔中的詞頻?逆文檔頻率得分；計算每個新詞在所有文檔中的總詞頻?逆文檔頻率得分；基于每個新詞的信息熵得分和總詞頻?逆文檔頻率得分，獲得每個新詞的領域詞得分；以及根據(jù)領域詞得分對所有新詞進行排序，將領域詞得分最高的預定數(shù)量的新詞確定為新的領域詞。

摘要： 本申請實施例公開了一種新詞發(fā)現(xiàn)方法、裝置、設備以及存儲介質，可適用于人工智能、云技術以及數(shù)據(jù)庫等領域。該方法包括：確定待預測語句中各字對應的初始特征序列，將初始特征序列輸入語言模型得到待預測語句中各字對應的預測特征序列；基于預測特征序列確定待預測語句中的新詞。采用本申請實施例，可高效準確地確定出新詞，適用性高。