论文部分内容阅读
计量研究是语言研究的一种新范式，随着语料库技术的发展，利用大规模真实文本进行语言研究成为一种趋势。作为研究样本的语料，其规模与计量研究之间的关系却鲜有论及。常用字、常用词是基础性的计量研究，本文以其为切入点，通过语料规模的递增实验，探讨语料规模与字词计量研究问的关系。
语料规模与字词计量研究的关系
【摘 要】
：
计量研究是语言研究的一种新范式，随着语料库技术的发展，利用大规模真实文本进行语言研究成为一种趋势。作为研究样本的语料，其规模与计量研究之间的关系却鲜有论及。常用字、常用词是基础性的计量研究，本文以其为切入点，通过语料规模的递增实验，探讨语料规模与字词计量研究问的关系。
【机 构】
：
国家语言资源监测与研究中心有声媒体语言分中心 中国传媒大学文学院 国家语言资源监测与研究中心有声媒
【出 处】
：
中国中文信息学会,上海交通大学
【发表日期】
：
2012年3期
其他文献
“臣”之构形取象于张目而视，这一意义，后来为“頤”“瞋”等字分化。由于监工者张目监督的特征，“臣”在其张目而视义的基础上产生抽象的监工义。“臣”最初来源于俘虏，地位十分卑贱，后來，部分“臣”地位逐渐提高。从甲骨文至周秦文献，“臣”的地位一直是高贵与卑贱并存。“臣”之词源意象和造字取象相重合，造字取象为词源意象的探求提供了重要线索。
对传统“六书”之“形声”造字条例，古今学者有着不同的解释。本文针对各家避言定义语词而空泛说解名称结构和定义所指之弊，紧扣语词，在细究疑难语词“事”、“名”、“譬”确义基础上，以探求条例固有意，为之提出一个全新解释，使得名称、定义、例字之解，互补互证，浑然一体。并进而论证了与“形声”异名同质的“象声”、“谐声”之称名理据。
本研究的目的是对口译第一阶段听焦虑模态(AAM)中AA 级度层面的认知心理管窥。本研究以Spielberger 的状态-特质焦虑理论为基础，以Cassady 和Johnson 的TA 模型理论为指导，以Chen 和Tang 的焦虑等级实验为依据，致力于对口译中AAM 研究。本研究区别于以往焦虑整体论的研究，其结论为：1) AA级度分为高焦虑(HA)、中等焦虑(MA)和低焦虑(LA)；2) AA 级
军事科技翻译既是科技翻译的重要组成部分，也是军事翻译的一个分支，内容丰富，形式多样，专业性强、规范性高有些任务政治敏感性高、国际影响大。 本文结合军事科技领域口笔译工作的实践经验，分析了形势下军事科技翻译面临的 新问题与新挑战，从语言认知模式与翻译目的相结合的角度，探讨了本专业领域的翻译标准、翻译技巧和改进翻译工作组织模式的方法。
近年来，针对各行各业的公示语翻译，我国已逐步完善和制定了统一标准，并取得了 实效。然而，高校译名，作为城市公示语一部分，却被边缘化，其中工科类校名的英译，尤 其是后更名的“理工大学”译名，堪称“五花八门”。调查发现，在我国仅“理工大学”的 校名就有10种翻译方法。鉴于高校是我国对外交流的窗口，因此受影响的不仅是高校本身，更包括其所在的城市，甚至是整个国家的形象。本文通过对全国“理工大学”译名的查阅
翻译是一门科学，也是一种技巧、一种专业的交流工具。提出了航空科技翻译是一种专门的 技能，论述了培养航空科技翻译人才的五个途径，总结了培养航空科技翻译人才的方法，为企业的 科技翻译人才培养提供借鉴。
依据汉语词汇结构和意义表现出的同义互训认知规律，分析了英语词语同义互训的结 构本质，认为英语翻译时应该注意同义互训词语结构如连字符型、非连字符型、连接词型、 随机型和语篇衔接型等类别与一般语法并列词汇结构的辨析，提出对应合译方法，以厘清各 自语言词汇结构外形和意义蕴含，提升英语翻译质量。
短文本具有特征非常稀疏和上下文依赖性强的特点，这为短文本分类带来了困难．为了综合考虑这两个问题，在隐含狄列克雷分配模型的基础上提出了一种短文本分类新方法，不但将共有词通过主题来区分上下文，而且将可区分词通过主题关联来减少稀疏性．采用K近邻分类方法对自动抓取的网易页面标题数据进行分类，并与已有的两种方法进行对比，实验表明所提出的方法取得了相对更好的分类效果．
会议
藏文文本表示是将非结构化的藏文文本转换为计算机能够处理的数据形式，是藏文文本分类、文本聚类等领域特征抽取的前提。传统的文本表示方法并没有考虑特征项之间的关联度，或者只是简单的计算相互问的共现，造成了语义的损失，很难准确的表示文档。本文首先提取文本中的高TFIDF值的部分词项作为对比词项，然后对藏文文本进行断句处理，以每个句子作为一个语境主题，以卡方统计量来计算文本中词项于对比词项的关联程度，结合信
会议
如何在资源匮乏的大规模数据(如互联网纯文本数据)上识别命名实体是一个重要的问题。为解决该问题，我们使用简单的词典资源自动标注数据，然后将命名识别问题转化为基于最大熵马尔可夫模型的序列标注问题。我们使用两种方法搜索结果：1)输出标注序列，并使用重排序方法对k．Best结果进行重排序；2)使用变种的前向．后向算法计算出候选命名实体的概率，并使用阈值过滤。实验表明，使用后种方法可以极大地提高命名实体识别
会议