摘要： 近義詞辨析一直是中學(xué)英語詞匯教學(xué)的重點(diǎn)和難點(diǎn),近義詞意思相近但是在具體使用上卻有細(xì)微的差別。學(xué)生在記憶相近意思的單詞時(shí),一般都會(huì)選擇死記硬背或者一概而論,教師在教授近義詞時(shí)也大多進(jìn)行字面解釋。而語料庫可以為學(xué)習(xí)者提供大量真實(shí)的材料,這將為近義詞的辨析和使用提供強(qiáng)大的數(shù)據(jù)支持。該文選取近義詞acknowledge和admit,以BNC(英國當(dāng)代語料庫)為工具,從語域、搭配、語義韻等方面研究這一對近義詞的搭配和使用,旨在為中國英語學(xué)習(xí)者提供學(xué)習(xí)近義詞的方法,并為英語詞匯教學(xué)帶來啟示。

摘要： 在對外漢語教學(xué)中近義詞的學(xué)習(xí)十分重要。調(diào)查發(fā)現(xiàn),蘇丹學(xué)生在漢語的學(xué)習(xí)和應(yīng)用中,經(jīng)常在近義詞范圍大小、程度輕重、語義側(cè)重、概括程度、感情色彩、語體色彩、搭配差異等方面偏誤較多。究其原因,主要是學(xué)習(xí)者存在母語、目的語知識(shí)、文化因素負(fù)遷移和學(xué)習(xí)環(huán)境影響所致。因此,學(xué)生應(yīng)該從掌握漢語語序習(xí)慣、借助情景強(qiáng)化訓(xùn)練、拓展文化知識(shí)背景、改進(jìn)學(xué)習(xí)方法等方面入手,強(qiáng)化對漢語近義詞理性意義和附加意義的理解與掌握,才能不斷提高漢語詞匯和近義詞的應(yīng)用能力。

摘要： 由于近義詞組在一定語境下可以互相替換,這對其在日常生活中的正確使用造成一定影響。文章以“糞”和“屎”這組近義詞為研究對象,從共時(shí)和歷時(shí)兩個(gè)維度對“糞”和“屎”的詞義演變機(jī)制進(jìn)行考察。結(jié)果發(fā)現(xiàn)二者歷史上是在語境吸收的語義演變機(jī)制下成為近義詞組,發(fā)展到現(xiàn)代漢語時(shí)期,在語用功能的影響下又各自衍生出新的義項(xiàng),由此這組近義詞相互交叉,同時(shí)又相互區(qū)別。

摘要： 近義詞語義研究長期以來多借助內(nèi)省法或者誘導(dǎo)法。這些傳統(tǒng)研究方法在研究近義詞辨析等方面做出了一定貢獻(xiàn)。隨著近義詞語義研究轉(zhuǎn)向?qū)嵶C方向,出現(xiàn)了基于心理實(shí)驗(yàn)和語料庫的語言學(xué)研究方法,克服了以往傳統(tǒng)研究方法主觀性強(qiáng),可信度低等局限性。本文梳理分析了國內(nèi)外近義詞語義研究的現(xiàn)狀,展望了近義詞語義研究今后的研究方向。

摘要： 眾所周知,詞匯在英語學(xué)習(xí)中的重要性是不言而喻的,詞匯量的多少直接影響英語學(xué)科的成績。詞匯學(xué)習(xí)既是高中英語教學(xué)難點(diǎn)又是不可輕視的重點(diǎn),也是英語高考成敗的關(guān)鍵所在,從應(yīng)試角度看,“詞匯是聽說之源,閱讀之根,完形之本,語法之母,寫作之魂”詞匯也是培養(yǎng)學(xué)生語言綜合運(yùn)用能力的基礎(chǔ),所以教師在詞匯教學(xué)中如何進(jìn)行高效的詞匯教學(xué)顯得尤為重要。而對英語基礎(chǔ)薄弱的藝考生而言,教師在二輪復(fù)習(xí)中如何幫助他們抓好詞匯學(xué)習(xí)是關(guān)鍵所在。

摘要： 本文以 British National Corpu(s BNC)為研究語料庫,借助在線語料庫平臺(tái) Sketch Engine,研究英語近義詞 recommend 與 suggest 在使用頻數(shù)和詞語搭配上的差異。研究發(fā)現(xiàn),recommend 的整體使用頻數(shù)遠(yuǎn)遠(yuǎn)小于 suggest,且他們所搭配的主語、賓語、修飾語也有明顯差異。研究的發(fā)現(xiàn)對英語近義詞學(xué)習(xí)有一定的啟示意義。

摘要： 近義詞是詞匯教學(xué)與習(xí)得研究關(guān)注的焦點(diǎn)。本文采用語料庫語言學(xué)搭配研究方法,基于iWeb語料庫與國家語委語料庫,以表達(dá)"同情義"概念的英漢近義名詞SYMPATHY,COMPASSION,"同情"和"憐憫"為研究對象,從跨語言角度對其語義傾向與語義韻特征進(jìn)行了翔實(shí)的分析。分析結(jié)果發(fā)現(xiàn),目標(biāo)近義詞項(xiàng)在各自語內(nèi)層面存在主導(dǎo)語義傾向與語義韻微殊,在語際層面的對等詞存在語義韻沖突。對比研究結(jié)果表明,語義韻是近義詞語義甄別的關(guān)鍵要素,也是確立跨語言對等詞的重要因素。語義韻研究在對于改善近義詞教學(xué)與學(xué)習(xí),促進(jìn)雙語詞典中的對等譯義詞確立及其微觀結(jié)構(gòu)的譯義建構(gòu)等方面都具有一定的啟示。

摘要： 詞匯學(xué)習(xí)是學(xué)習(xí)英語的基礎(chǔ),而近義詞辨析一直是英語詞匯學(xué)習(xí)的難點(diǎn),也是教學(xué)的難點(diǎn)。本研究基于COCA語料庫從語域分布、類聯(lián)接、搭配和語義韻四個(gè)方面分析近義詞agitate和incite之間的異同,并得出以下結(jié)果:1) agitate和incite具有不同的語域分布。incite在博客、網(wǎng)絡(luò)、口語、雜志、新聞和學(xué)術(shù)文章幾個(gè)領(lǐng)域中使用較多,在電視電影和小說中agitate的使用頻率則高于incite;2) agitate和incite的常見搭配共現(xiàn)詞以及類聯(lián)接均有差異。agitate與副詞搭配共現(xiàn)的比例最高,incite則與名詞搭配共現(xiàn)的比例最高;3) agitate中性語義韻十分明顯,具有微弱的積極語義韻。而incite具有消極語義韻和中性語義韻,但其消極語義韻明顯強(qiáng)于中性語義韻?；谝陨涎芯拷Y(jié)果,本文對英語近義詞辨析教學(xué)提出了幾點(diǎn)建議,以期促進(jìn)語料庫在近義詞教學(xué)中的應(yīng)用,也為英語詞匯教學(xué)提供些許補(bǔ)充。

摘要： 詞語運(yùn)用是語文學(xué)習(xí)最為基礎(chǔ)的內(nèi)容。詞語又有很多意思相近的,這就需要我們在語言表達(dá)時(shí)學(xué)會(huì)準(zhǔn)確運(yùn)用詞語。怎樣才能做到準(zhǔn)確運(yùn)用詞語呢?筆者認(rèn)為,可以從詞語本身出發(fā),抓住近義詞的相同之處,而去區(qū)分其不同之處,進(jìn)行細(xì)節(jié)探析。具體來講,主要從意義.色彩和用法三個(gè)方面進(jìn)行綜合分析,具體分析出近義詞的不同之處,從而做到準(zhǔn)確運(yùn)用詞語。

摘要： “昂首挺胸”,漢語成語,出自歐陽予倩《小英姑娘》:“她伸開兩手昂首挺胸,狂了似的往外跑。”意思是抬起頭,挺起胸膛,形容斗志高,士氣旺。近義詞有昂首闊步、趾高氣昂,反義詞有垂頭喪氣、無精打采等。昂首挺胸不僅可以反映一個(gè)人良好的精神面貌,還是預(yù)防頸椎病的良方。

摘要： 小學(xué)階段是學(xué)生成長的黃金時(shí)期,也是培養(yǎng)學(xué)生興趣的關(guān)鍵時(shí)期.語文作為每個(gè)階段都需要接觸的學(xué)科對于學(xué)生今后的學(xué)習(xí)和生活有著至關(guān)重要的作用.小學(xué)語文教學(xué)是基礎(chǔ)的教學(xué),其中涵蓋的內(nèi)容較為簡單,主要就是要培養(yǎng)學(xué)生的語文素養(yǎng),讓學(xué)生對語文有一定的語感.對于現(xiàn)階段的教學(xué)而言,教育已經(jīng)不僅僅只是局限于傳統(tǒng)的知識(shí)點(diǎn)教學(xué),主要還是要提高學(xué)生的文學(xué)素養(yǎng),培養(yǎng)學(xué)生的學(xué)習(xí)興趣.本文主要探究如何在近義詞反義詞的教學(xué)上,提高學(xué)生對于語文學(xué)科的興趣,從而開始愛上語文這門學(xué)科.

摘要： 語料庫憑借其大數(shù)據(jù)及自動(dòng)處理語料的特點(diǎn)克服了傳統(tǒng)近義詞教學(xué)依靠詞典和教師直覺經(jīng)驗(yàn)帶來的不足,是對教學(xué)的有益補(bǔ)充.本文提出基于語料庫的近義詞辨析框架:即句中位置;詞語搭配和語域分布,并使用北京語言大學(xué)現(xiàn)代漢語語料庫(BCC語料庫)一一做了具體說明.語料庫提供的豐富例句和統(tǒng)計(jì)結(jié)果可使學(xué)習(xí)者更好地掌握近義詞的核心語義和細(xì)微差異,有助于提高教學(xué)效率.

摘要： 本文依據(jù)中央民族大學(xué)維語系2013級大學(xué)本科生作業(yè)及訪談數(shù)據(jù),分析維吾爾族學(xué)生漢語近義詞習(xí)得偏誤的主要類型以及產(chǎn)生原因,以期為少數(shù)民族漢語教學(xué)提供個(gè)案.

摘要： 本研究將近義詞范圍設(shè)定在《新版實(shí)用視聽華語》第一到第五冊,以及臺(tái)灣華語能力測驗(yàn)的八千詞表.以"以練代講"、"精講多練"及定式教學(xué)法與漢語作為外語教學(xué)的認(rèn)知理論為理論依據(jù),用話題提供完整的邏輯與情境,并利用教材中出現(xiàn)過的句型或定式練習(xí)近義詞,最后提供了篇章形式的練習(xí)作為教師作業(yè)布置的參考與學(xué)生自我檢測的材料.

摘要： 本文以中央研究院詞庫小組所完成的「研究院語料庫(Sinica Corpus)」為語料,分析「懸」、「掛」、「吊」這一組近義詞.藉由觀察這三個(gè)詞個(gè)別的出現(xiàn)分布與句法表現(xiàn),抽離出區(qū)隔這三個(gè)動(dòng)詞的關(guān)鍵語意成分.我們發(fā)現(xiàn)事件焦點(diǎn)(event focus)在這一組動(dòng)詞的區(qū)分上扮演著重要的角色.分析顯示,這三個(gè)動(dòng)詞的語意都可以表現(xiàn)在使動(dòng)結(jié)構(gòu)(causative construction)上,而三者的區(qū)分就在于它們各自表示這個(gè)結(jié)構(gòu)不同的組成成分.「懸」傾向于以使動(dòng)句構(gòu)中的下位事象(subevent)為焦點(diǎn),「掛」則可涵蓋整個(gè)使動(dòng)結(jié)構(gòu),而「吊」則偏向于將焦點(diǎn)集中在使動(dòng)句構(gòu)中的上位事象(superevent)的部分.由這一組近義動(dòng)詞的表現(xiàn),證明在事件結(jié)構(gòu)的分析上,「事件焦點(diǎn)」這個(gè)概念,在區(qū)分動(dòng)詞語意時(shí),有一定的重要性.

摘要： 用語料庫獲得數(shù)據(jù)來觀察近義詞在使用方法上的區(qū)別從而發(fā)現(xiàn)它們的使用規(guī)律是一種有效方法。rn 本文利用報(bào)紙語料庫和有聲媒體部分語料庫，并通過自建玄幻小說語料庫，對“非常”、“特別”和“相當(dāng)”進(jìn)行了定量考察，研究了各個(gè)詞內(nèi)部自身功能的使用概率、相同用法在語域上的分布、以及作近義詞時(shí)相互之間的互換能力。

摘要： 時(shí)間的表示和時(shí)閫關(guān)系的計(jì)算是時(shí)間分析任務(wù)的關(guān)鍵和難點(diǎn)。其中不確定時(shí)間的規(guī)范化由于關(guān)系到不同語言之間時(shí)間共享，而且中文時(shí)間表達(dá)方式豐富多樣，因此時(shí)間規(guī)范化是一個(gè)重要而又復(fù)雜的問題。針對這個(gè)問題，參考國際標(biāo)準(zhǔn)時(shí)間定義，重新定義了時(shí)間關(guān)系類型；然后參考TIMEX2標(biāo)記規(guī)范，通過解析時(shí)間表達(dá)式內(nèi)部規(guī)則，對時(shí)間短語的規(guī)范化技術(shù)進(jìn)行了研究。實(shí)驗(yàn)結(jié)果表明：該方法可以較好地解決規(guī)則不完善導(dǎo)致準(zhǔn)確率低以及近義詞造成的工作量大的問題，在人民日報(bào)語料上取得的準(zhǔn)確率為89.52% 。

摘要： 《傅青主女科》與《辨證錄》十一、十二卷的婦科部分，結(jié)構(gòu)順序、條文條數(shù)及論述問題的方法基本相同。不同之處主要表現(xiàn)在：1《女科》是在《辨證錄》基礎(chǔ)上增加字詞句，擴(kuò)充而成。2二書同義詞或近義詞的大量互換。3二書在保持原貌不變或變化不大的情況下，變換表述方式。因此，《傅青主女科》系抄錄竄改《辨證錄》而成。

摘要： 湖州本地方言屬吳語區(qū)太湖片湖州小片方言?！鞍偬埂笔呛荼镜胤窖灾幸粋€(gè)頗具特色的詞語,它的源頭不得而知,據(jù)南京師大葉祥苓教授介紹,1937年他十歲時(shí)隨父母逃難到湖州,曾聽到湖州人說到“百坦”一詞,是“別著急”的意思?！鞍偬埂痹诤萑说娜粘Ｉ钪惺褂妙l率非常高,男女老幼,街頭巷尾,交往溝通時(shí)幾乎都有個(gè)“百坦”,外地人初到湖州往往對此印象深刻,時(shí)不時(shí)也會(huì)有意無意地用上一句“百坦”。鑒于此，本文對湖州方言一詞“百坦”進(jìn)行簡要論述，從湖州周邊地區(qū)的情況看，“百坦”及其近義詞并不能與湖州的“百坦”完全對應(yīng)?！鞍偬埂痹诤蓊H有點(diǎn)兒“對任何事都坦然處之”的意思，它所體現(xiàn)的心態(tài)、觀念和思維方式以及蘊(yùn)涵的社會(huì)文化含義，是值得作進(jìn)一步的考察的。

摘要： 本發(fā)明提供在生成裝置(1)中，判定部(101)分別針對近義詞數(shù)據(jù)庫300所具備的多個(gè)基準(zhǔn)詞和與其對應(yīng)的近義詞，判定是否包含在檢索對象的多個(gè)文檔數(shù)據(jù)(文檔數(shù)據(jù)組400)的任意一個(gè)中。提取部(102)對判定為包含在文檔數(shù)據(jù)組(400)中的基準(zhǔn)詞和近義詞進(jìn)行提取。設(shè)定部(103)分別針對提取出的近義詞，基于文檔數(shù)據(jù)組(400)中的該近義詞和對應(yīng)的基準(zhǔn)詞的至少一方的出現(xiàn)狀況，設(shè)定輸出優(yōu)先級；生成部(104)分別針對提取出的基準(zhǔn)詞，以與該基準(zhǔn)詞對應(yīng)的近義詞中設(shè)定了輸出優(yōu)先級的近義詞對應(yīng)的方式來生成近義詞列表(900)。

摘要： 本發(fā)明公開了一種金融領(lǐng)域近義詞的擴(kuò)展方法、裝置及存儲(chǔ)介質(zhì)，該方法包括：從多個(gè)金融門戶和/或網(wǎng)站獲取金融語料；對獲取的金融語料進(jìn)行分詞處理；分別計(jì)算每個(gè)單詞最相近的單詞；構(gòu)建單詞網(wǎng)絡(luò)結(jié)構(gòu)；利用可重疊社區(qū)發(fā)現(xiàn)算法建立具有社區(qū)結(jié)構(gòu)的語料庫；將每個(gè)社區(qū)歸類出的單詞存儲(chǔ)至存儲(chǔ)單元，當(dāng)接收到檢索詞時(shí)，將檢索詞所在的社區(qū)輸出。該裝置包括：金融語料單元、分詞處理單元、最相近的單詞計(jì)算單元、單詞網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建單元、語料庫建立單元以及社區(qū)輸出單元。通過本發(fā)明，可以識(shí)別語義相似關(guān)系，當(dāng)輸入一個(gè)或多個(gè)金融詞語時(shí)，可以輸出意思相近的若干詞語，無需用戶具備專業(yè)領(lǐng)域的知識(shí)，可以大大降低用戶的檢索難度和時(shí)間，提高檢索準(zhǔn)確度。

摘要： 本說明書提供一種成語近義詞推薦方法及裝置，其中所述方法包括：從目標(biāo)文檔中獲取目標(biāo)成語以及所述目標(biāo)成語對應(yīng)的至少一個(gè)特征標(biāo)簽；基于所述目標(biāo)成語以及所述目標(biāo)成語對應(yīng)的至少一個(gè)特征標(biāo)簽，在預(yù)設(shè)的成語知識(shí)圖譜中按照推薦條件進(jìn)行檢索；在獲取到滿足所述推薦條件的至少一個(gè)所述目標(biāo)成語對應(yīng)的推薦成語的情況下，形成成語推薦列表；根據(jù)所述成語推薦列表構(gòu)建所述目標(biāo)成語的近義詞詞典，并將所述近義詞詞典進(jìn)行展示。

摘要： 本發(fā)明為一種近義詞發(fā)現(xiàn)方法及其系統(tǒng)、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述方法包括：獲取原始語料數(shù)據(jù)，并確定原始語料數(shù)據(jù)中的待識(shí)別詞匯；獲取待識(shí)別詞匯的詞意向量；根據(jù)詞意向量生成與詞意向量對應(yīng)的詞向量數(shù)據(jù)庫；將詞意向量與詞向量數(shù)據(jù)庫中的近義詞進(jìn)行匹配，獲取詞向量數(shù)據(jù)庫中與詞意向量對應(yīng)的多個(gè)候選近義詞；將多個(gè)候選近義詞分別替代原始語料數(shù)據(jù)中待識(shí)別詞匯得到對應(yīng)的多個(gè)二次語料數(shù)據(jù)；對原始語料數(shù)據(jù)進(jìn)行語義分析得到第一語義分析結(jié)果，并對多個(gè)二次語料數(shù)據(jù)分別進(jìn)行語義分析得到多個(gè)第二語義分析結(jié)果；將多個(gè)第二語義分析結(jié)果逐一與第一語義分析結(jié)果進(jìn)行對比，并根據(jù)對比結(jié)果確定待識(shí)別詞匯的近義詞。本發(fā)明能夠提高近義詞發(fā)現(xiàn)的精準(zhǔn)性。

摘要： 本發(fā)明公開了一種近義詞的獲取方法及系統(tǒng)，通過確定指定評價(jià)詞與指定評價(jià)對象在文本中的共現(xiàn)頻率，構(gòu)建共現(xiàn)詞矩陣，對共現(xiàn)詞矩陣中的多個(gè)評價(jià)詞進(jìn)行降維處理，得到評價(jià)詞向量，通過第一相似度計(jì)算方式計(jì)算評價(jià)詞向量的第一相似度，確定與指定評價(jià)詞相似度高于預(yù)定數(shù)值的候選評價(jià)詞集合，通過第二相似度計(jì)算方式對候選評價(jià)詞集合進(jìn)行相似度排序，得到相似度排序結(jié)果，通過相似度排序結(jié)果，以及候選評價(jià)詞集合與指定評價(jià)詞的詞性是否相同的判斷結(jié)果來確定指定評價(jià)詞的詞義。本方案通過兩次相似性計(jì)算，提高了確定的近義詞的精度，同時(shí)，通過判斷詞性是否相同來確定近義詞，避免了現(xiàn)有技術(shù)中可能出現(xiàn)的詞性相反卻確定為近義詞的情況，準(zhǔn)確率提高。

摘要： 本發(fā)明提出了一種近義詞識(shí)別方法和近義詞識(shí)別系統(tǒng)，其中，所述近義詞識(shí)別方法包括：將實(shí)體詞作為關(guān)鍵詞進(jìn)行檢索；處理步驟：計(jì)算檢索結(jié)果中符合預(yù)設(shè)條件的詞與所述實(shí)體詞之間的相似度，根據(jù)所述相似度，在所述符合預(yù)設(shè)條件的詞中選擇出所述實(shí)體詞的待定近義詞；將所述待定近義詞作為所述關(guān)鍵詞進(jìn)行檢索，并重新執(zhí)行所述處理步驟，直到接收到停止迭代的信號時(shí)為止；根據(jù)在接收到所述停止迭代的信號時(shí)選擇出的所述待定近義詞，確定所述實(shí)體詞的目標(biāo)近義詞。通過本發(fā)明的技術(shù)方案，可以有效地識(shí)別出近義詞，且避免花費(fèi)大量的人力進(jìn)行近義詞的識(shí)別。

摘要： 本發(fā)明提供在生成裝置(1)中，判定部(101)分別針對近義詞數(shù)據(jù)庫300所具備的多個(gè)基準(zhǔn)詞和與其對應(yīng)的近義詞，判定是否包含在檢索對象的多個(gè)文檔數(shù)據(jù)(文檔數(shù)據(jù)組400)的任意一個(gè)中。提取部(102)對判定為包含在文檔數(shù)據(jù)組(400)中的基準(zhǔn)詞和近義詞進(jìn)行提取。設(shè)定部(103)分別針對提取出的近義詞，基于文檔數(shù)據(jù)組(400)中的該近義詞和對應(yīng)的基準(zhǔn)詞的至少一方的出現(xiàn)狀況，設(shè)定輸出優(yōu)先級；生成部(104)分別針對提取出的基準(zhǔn)詞，以與該基準(zhǔn)詞對應(yīng)的近義詞中設(shè)定了輸出優(yōu)先級的近義詞對應(yīng)的方式來生成近義詞列表(900)。

摘要： 本發(fā)明公開了一種基于搜索的近義詞庫更新方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，涉及自然語言處理領(lǐng)域，該方法包括：獲取待對比的第一目標(biāo)詞語和第二目標(biāo)詞語，生成包含第一目標(biāo)詞語的第一語句集合，以及包含第二目標(biāo)詞語的第二語句集合；基于第一語句集合和第二語句集合，計(jì)算第一目標(biāo)詞語和第二目標(biāo)詞語的特征相似度；若特征相似度大于目標(biāo)預(yù)設(shè)閾值，則獲取第一目標(biāo)詞語的第一網(wǎng)絡(luò)搜索結(jié)果，以及第二目標(biāo)詞語的第二網(wǎng)絡(luò)搜索結(jié)果，并根據(jù)第一網(wǎng)絡(luò)搜索結(jié)果和第二網(wǎng)絡(luò)搜索結(jié)果，判斷第一目標(biāo)詞語和第二目標(biāo)詞語是否為近義詞；若第一目標(biāo)詞語和第二目標(biāo)詞語是近義詞，則將第一目標(biāo)詞語和第二目標(biāo)詞語綁定至預(yù)設(shè)近義詞庫，本發(fā)明提高了近義詞挖掘的準(zhǔn)確度。

摘要： 本發(fā)明公開了近義詞庫構(gòu)建方法及系統(tǒng)、電子裝置及計(jì)算機(jī)可讀介質(zhì)，屬于自然語言處理技術(shù)領(lǐng)域，要解決的技術(shù)問題為如何通過自然語言處理技術(shù)，準(zhǔn)確快速的提取近義詞、輔助業(yè)務(wù)人員構(gòu)建近義詞庫。包括如下步驟：通過中分分詞對文本進(jìn)行關(guān)鍵詞提取，將提取的多個(gè)關(guān)鍵詞作為初始關(guān)鍵詞；對所述多個(gè)初始關(guān)鍵詞進(jìn)行預(yù)處理，去除停用詞以及重復(fù)詞、并根據(jù)詞性篩選關(guān)鍵詞，得到最終的關(guān)鍵詞；基于構(gòu)建的語義空間計(jì)算每個(gè)關(guān)鍵詞的詞向量，以詞向量之間的余弦夾角為語義相似度指標(biāo)，基于關(guān)鍵詞之間的語義相似度篩選出近義詞、并構(gòu)建近義詞庫。

摘要： 本申請?zhí)峁┝艘环N近義詞挖掘方法及相關(guān)設(shè)備，本申請?zhí)岢鲋苯訉νㄓ脻h語詞庫中的原詞語進(jìn)行詞向量相似度計(jì)算，快速、可靠且精準(zhǔn)得到相應(yīng)原詞語的語義相似度較高的預(yù)設(shè)個(gè)數(shù)的第一候選近義詞，并從預(yù)構(gòu)建的初始近義詞映射詞典包含的多個(gè)近義詞詞組中，獲取這些第一候選近義詞直接和/或間接映射的第二候選近義詞，實(shí)現(xiàn)對第一候選近義詞的補(bǔ)充，經(jīng)過過濾篩選后，得到相應(yīng)原詞語的完整且準(zhǔn)確的目標(biāo)候選近義詞，從而保證據(jù)此構(gòu)建的近義詞映射詞典的完整性和通用的，滿足不同領(lǐng)域的近義詞查詢需求；且相對于用戶針對各領(lǐng)域關(guān)鍵詞語，人工挖掘補(bǔ)充相應(yīng)的近義詞的方法，極大提高了近義詞挖掘效率和準(zhǔn)確性，降低了人工成本。