-
题名“终生”与“终身”辨析
- 1
-
-
作者
刘劲
-
机构
武汉医药卫生学会联合办公室《临床肾脏病杂志》编辑部
-
出处
《临床肾脏病杂志》
2024年第2期175-176,共2页
-
文摘
在我们杂志的来稿中,作者词语使用问题多数是专业医学名词的应用欠规范、准确,专业名词以外的词语应用较少。但是,有时作者对一些词语的应用会出现错误,编辑也会感到困惑,比如:患者是终生服药?还是终身服药?是终生受益?还是终身受益?两者区别似乎并不明显,现复习相关文献,总结两者的辨析关键点,以期能恰当选用。“终身”与“终生”两者的区别最明显之处是“终身”有表示婚姻大事的义项[1],而“终生”没有。除此之外,辞书中找不到两者还有哪方面的区别。
-
关键词
终生
终身
语义辨析
-
Keywords
Lifetime
Lifelong
semantic discrimination
-
分类号
G63
[文化科学—教育学]
-
-
题名面向跨媒体检索的层级循环注意力网络模型
被引量:5
- 2
-
-
作者
綦金玮
彭宇新
袁玉鑫
-
机构
北京大学计算机科学技术研究所
-
出处
《中国图象图形学报》
CSCD
北大核心
2018年第11期1751-1758,共8页
-
基金
国家自然科学基金项目(61771025
61532005)~~
-
文摘
目的跨媒体检索旨在以任意媒体数据检索其他媒体的相关数据,实现图像、文本等不同媒体的语义互通和交叉检索。然而,"异构鸿沟"导致不同媒体数据的特征表示不一致,难以实现语义关联,使得跨媒体检索面临巨大挑战。而描述同一语义的不同媒体数据存在语义一致性,且数据内部蕴含着丰富的细粒度信息,为跨媒体关联学习提供了重要依据。现有方法仅仅考虑了不同媒体数据之间的成对关联,而忽略了数据内细粒度局部之间的上下文信息,无法充分挖掘跨媒体关联。针对上述问题,提出基于层级循环注意力网络的跨媒体检索方法。方法首先提出媒体内—媒体间两级循环神经网络,其中底层网络分别建模不同媒体内部的细粒度上下文信息,顶层网络通过共享参数的方式挖掘不同媒体之间的上下文关联关系。然后提出基于注意力的跨媒体联合损失函数,通过学习媒体间联合注意力来挖掘更加精确的细粒度跨媒体关联,同时利用语义类别信息增强关联学习过程中的语义辨识能力,从而提升跨媒体检索的准确率。结果在2个广泛使用的跨媒体数据集上,与10种现有方法进行实验对比,并采用平均准确率均值MAP作为评价指标。实验结果表明,本文方法在2个数据集上的MAP分别达到了0. 469和0. 575,超过了所有对比方法。结论本文提出的层级循环注意力网络模型通过挖掘图像和文本的细粒度信息,能够充分学习图像和文本之间精确跨媒体关联关系,有效地提高了跨媒体检索的准确率。
-
关键词
跨媒体检索
注意力机制
循环神经网络
关联学习
语义辨识
-
Keywords
cross-media retrieval
attention mechanism
recurrent network
correlation learning
semantic discrimination
-
分类号
TP37
[自动化与计算机技术—计算机系统结构]
-
-
题名汉语委婉语语言资源建设
被引量:1
- 3
-
-
作者
张辰麟
王明文
谭亦鸣
肖文艳
-
机构
江西师范大学计算机信息工程学院
东南大学网络空间安全学院
-
出处
《中文信息学报》
CSCD
北大核心
2020年第8期32-40,共9页
-
基金
国家自然科学基金(61876074)。
-
文摘
委婉语是语言交流中不可或缺的交际手段,委婉语研究一直是语言学界的热门话题之一,但在自然语言处理领域,尚未有委婉语相关研究。该文借助现有纸质词典,基于语料库检索和专家人工判别的方式,初步构建了规模为63000余条语料的汉语委婉语语言资源;并根据自然语言处理的相关任务需求,结合词典释义对委婉语进行分类。该文提出了利用同类委婉语的上下文语境辅助进行标注的方法。经过实验,对简单语义委婉语的语义判别准确率达89.71%,对语义复杂的兼类委婉语的语义判别准确率达74.65%,初步验证了利用计算机辅助人工标注构建委婉语语言资源的可行性。
-
关键词
委婉语
语义辨析
语言资源构建
-
Keywords
euphemism
semantic discrimination
language resource construction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名《墨子》“沮以为善”解诂——句法、语义关联一例
- 4
-
-
作者
张萍
-
机构
上海大学文学院
-
出处
《牡丹江师范学院学报(社会科学版)》
2018年第2期107-111,共5页
-
基金
上海市教委科研创新一般项目(14YS014)
上海市哲学社会科学"十二五"规划青年课题(2014EYY004)
-
文摘
《墨子·尚贤下》"沮以为善"多被解为"阻止他们为善",其中"沮"解为"阻","以"解为"其"。事实上,这一理解不符合上下文语句衔接的连贯性。"沮以为善"结构与同篇"疾以助人""勉以分人""劝以教人"相同。其中,"以"都是表示修饰关系的连词,"沮"、"劝"与"疾"、"勉"性质相同,都是形容词,表示进行某一行为时的主观态度,"劝"表示"积极的、努力的","沮"表示"消极的、懈怠的"。由此,"沮以为善"的意思应当是"不积极地去做善事"。在古书注解时,当尽量避免"语义先入为主",而要把语义与句法分析有机结合起来,正确解析句法结构,从而准确理解并把握语义。
-
关键词
《墨子》
“沮以为善”
句法结构
语义辨析
-
Keywords
Mo-tse
ju yi weishan(沮以为善)
syntactic structure
semantic discrimination
-
分类号
H14
[语言文字—汉语]
-
-
题名TEM4词汇题的语境缺失及识解策略
- 5
-
-
作者
赵勇
-
机构
文山学院外国语学院
-
出处
《文山学院学报》
2016年第5期83-86,共4页
-
文摘
不同专家对TEM4词汇测试中某些相同的题目给出了不同的解答和解析,其构成了客观存在的疑难词汇题。认知语义学的理想化认知模型(ICM)和识解理论为理解模糊性、动态性语义提供了新的理论依据和视角。据此,解答和解析不同是因为解题人使用的语义模型不同,而导致语义模型不同的原因是此类题题干提供的语境信息不充分。因此,词汇命题题干应给出充分的语境信息,基于"题干ICM+词义辨析"策略才能识解出最佳选项,这样才能保证词汇测试的客观性和精确性。
-
关键词
TEM4词汇测试
认知语义学
ICM
词义辨析
识解
-
Keywords
vocabulary test in TEM4
cognitive semantics
ICM
semantic discrimination
construal
-
分类号
H319.34
[语言文字—英语]
-
-
题名基于逻辑语义判别的调峰电源设备漏油图像识别
- 6
-
-
作者
宋倩
祁炜雯
方冰
范强
郑慧娟
胡飞
-
机构
国网水新部
国网浙江省电力有限公司绍兴供电公司
国网电力科学研究院有限公司
-
出处
《水电能源科学》
北大核心
2023年第5期199-202,210,共5页
-
基金
国家电网有限公司总部科技项目(5700-202140381A-0-0-00)。
-
文摘
针对调峰电源设备漏油图像识别中的难点问题,将逻辑规则判别引入图像识别领域,提出一种全新的图像识别方法。基于直方图均衡化技术增强原始图像,利用Mask RCNN网络初步获取储油装置、地面、疑似油污区域的位置和轮廓信息。根据这些信息判断物体间位置关系,并结合逻辑表达式判断疑似区域是否属于漏油区域。基于现场拍摄的调峰电源设备图像进行实例分析,结果表明该方法能有效克服漏油区域识别中的难点问题,大幅提升了识别准确率。
-
关键词
调峰电源设备
漏油图像识别
物体间关系识别
逻辑语义判别
-
Keywords
peak regulation power equipment
oil leakage image recognition
positional relationship recognition
logical semantic discrimination
-
分类号
TM712
[电气工程—电力系统及自动化]
-
-
题名“八抬八绰”及相关词语考辨
- 7
-
-
作者
梁逍
周志锋
-
机构
浙江大学古籍研究所
宁波大学科学技术学院
-
出处
《宁波大学学报(人文科学版)》
2021年第1期79-85,共7页
-
基金
国家社科基金项目“《甬言稽诂》校注及研究”(19BYY160)。
-
文摘
“八抬八绰”常用来形容出行规格高、声势大。这个词语有多种说法和写法,如“八抬八扱”“八抬八插”“八抬八擦”“八抬八簇”“八抬八撮”等。这组词语应该分为两类,“八抬八绰”“八抬八扱”“八抬八插”“八抬八擦”是一类,“绰”等义为扶;“八抬八簇”“八抬八撮”是一类,“簇”等义为围拥。“八抬八绰”等与“八抬八簇”等是同义词关系.
-
关键词
八抬八绰
八抬八簇
词义辨析
-
Keywords
bataibachuo
batai bacu
semantic discrimination and analysis
-
分类号
H13
[语言文字—汉语]
-
-
题名《诗经·小雅·常棣》“原隰裒矣”考辨
- 8
-
-
作者
梁姣程
-
机构
湖南师范大学文学院
-
出处
《嘉兴学院学报》
2015年第4期121-125,共5页
-
文摘
《诗经·小雅·常棣》中"原隰裒矣,兄弟求矣"一句古今解释不一,主要因为"裒"的词义解释不清。辨析古今学者对"裒"的训释,从句法上分析出"裒"的主语只能是"原隰",从语义上探求"裒"的本义为"用手刨土放置于筐中","裒"应为反训词,兼有"减少"和"聚集"二义。"原隰裒矣"应解释成"自然界发生重大变化"。
-
关键词
《诗经·小雅》
常棣
“原隰裒矣”
词义辨析
反训
-
Keywords
Book of Songs
X iao ya
Chang di
" 原隰裒矣 "
semantic discrimination and analysis
enanti-osemy
-
分类号
I222.2
[文学—中国文学]
-
-
题名从“小姐”看语义的文化差异
- 9
-
-
作者
李洒
-
机构
东北师范大学
-
出处
《吉林省教育学院学报》
2020年第7期175-178,共4页
-
文摘
语言作为文化的一部分,是文化的镜像折射。语言可以展现文化,透过语言亦可反映一个民族乃至一个国家的文化特点。在整个语言系统中,语义文化是语言文化的集中体现。在不同的语言文化中,语义的差异首先体现在不同语言的词汇中。因此本文以"小姐"一词为例,展开关于语义文化差异的调查。调查发现,造成语义差异的原因主要有:汉英词义不对等,价值观念的差异,文化的相互影响。本文针对这些原因进行分析,以期给教师和学生提出一些建议。
-
关键词
语义
中外差异
语义区分量表
“小姐”
-
Keywords
semantic
Chinese and foreign differences
semantic discrimination scale
"miss"
-
分类号
H030
[语言文字—语言学]
-
-
题名基于图像重构与语义差异识别的表面异常检测
- 10
-
-
作者
王尚尚
金城
-
机构
复旦大学计算机科学技术学院
-
出处
《计算机科学》
CSCD
北大核心
2023年第11期151-159,共9页
-
基金
国家重点研发计划(2019YFB2102800)。
-
文摘
基于图像重构的方法是表面异常检测中一类广泛使用的方法。该类方法仅期望模型较好地重构正常模式,并通过异常区域较大的重构误差来检测和定位异常。已有方法一方面易出现“泛化”过好的现象,异常区域也被高保真地重构了出来;另一方面仅在图像空间度量重构误差,并没有真正捕捉到原图和重构图之间的语义差异。为了解决上述问题,文中提出了由重构网络和识别网络组成的表面异常检测框架,其中重构网络嵌入了多尺度位置增强动态原型单元,强化了对正常模式的学习;识别网络进行了输入图和重构图的多尺度深度特征融合,从多个尺度利用了重构前后的语义差异信息,强化了对重构差异的识别。在MVTec数据集上,所提方法在异常检测任务上取得了99.5%的AUROC,在异常定位任务上取得了98.5%的AUROC,以及95.0%的RPO检测表现,与之前基于重构的表面异常检测方法相比取得了较大提升。
-
关键词
图像重构
表面异常检测
多尺度位置增强动态原型单元
语义差异识别
-
Keywords
Image reconstruction
Surface anomaly detection
Multiscale location-augmented dynamic prototype unit
semantic difference discrimination
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名几种动词义项区分的判定方法
被引量:1
- 11
-
-
作者
邱金萍
裴雨来
-
机构
西安外国语大学中文学院
北京大学中文学院
-
出处
《滁州学院学报》
2009年第2期10-12,共3页
-
基金
国家973项目(2004CB318102)
-
文摘
动词义项如何区分是汉语本体研究及包括中文信息处理、对外汉语教学在内的应用研究的重要内容。目前,相关研究已取得了丰富的成果,但仍有许多问题没有解决。本文提出了"配价结构"、"组合多义"、"并列同现"及"补语鉴别式"等四种方法解决动词义项的区分问题,并以对具体动词的分析为例,对四种方法的操作进行了详细的说明。
-
关键词
义项区分
歧义
消歧
配价结构
鉴别式
-
Keywords
semantic items discrimination
ambiguity
deambiguity
coordination valence structure
discrimination formula
-
分类号
H03
[语言文字—语言学]
-