基于句法依存卷积神经网络的句子相似度计算

句子相似度计算是自然语言处理的一项基础任务,其准确性直接影响机器翻译、问题回答等下游任务的性能。传统机器学习方法主要依靠词形、词序及结构等浅层特征计算句子相似度,而深度学习方法能够融入深层语义特征,从而取得了更好效果。深度学习方法如卷积神经网络在提取文本特征时存在提取句子语义特征较浅、长距离依赖信息不足的缺点。因此设计了DCNN(dependency convolutional neural network)模型,该模型利用词语之间的依存关系来解决该不足。DCNN模型首先通过依存句法分析得到句子中词语之间的依存关系,而后根据与当前词存在一跳或者两跳关系的词语形成二元和三元的词语组合,再将这两部分信息作为原句信息的补充,输入到卷积神经网络中,以此来获取词语之间长距离依赖信息。实验结果表明,加入依存句法信息得到的长距离依赖能有效提升模型性能。在MSRP(microsoft research paraphrase corpus)数据集上,模型准确度和F1值分别为80.33%和85.91,在SICK(sentences involving compositional knowledge)数据集...     

试谈语言学中的"主题"问题

从三个平面的语法观出发,对语言学中的主题进行不同层面上的探讨,即句法层面上的句子主题、语义层面上的语篇主题和语用层面上的说话者主题.     

试谈语言学中的“主题“问题

从三个平面的语法观出发,对语言学中的主题进行不同层面上的探讨,即句法层面上的句子 主题、语义层面上的语篇主题和语用层面上的说话者主题。     

论句子结构多维性的理念延伸

本文对汉语句子结构的多维性进行具体分析，并以此为基础，把这一理念延伸到各门学科，从一个新的视点。探讨学习语法和其它学科的概念、定理、定律等知识的共通的简便的手段。     

浅谈英语新题型七选五解题策略

阅读七选五试题模式为：给出一篇缺少5个句子的文章,对应有七个选项,要求同学们根据文章结构、内容,选出正确的句子,填入相应的空白处。《考试说明》对该题型命题目的的表述为＂主要考查考生对文章的整体内容和结构以及上下文逻辑意义的理解和掌握。     

英语写作中应该注意的句子构造问题

英语写作是一个人英语综合水平的体现。英语写作水平的高低包含的要素很多，而句子构造方式是非常重要的要素。一篇文章需要有正确的句子才能明了清晰的表达作者的意思。在多年的英语教学过程中，笔者发现学生在写作过程中很容易出现以下的问题。     

不但……而且…

正今天是星期五,放学后,笨笨熊高兴地跑回了家。因为明天和后天放假。笨笨熊最喜欢放假的日子了,他可以尽情地玩耍。妈妈正在厨房里做饭,看到妈妈在做自己喜欢吃的带鱼,笨笨熊高兴得跳了起来。吃完妈妈做的菜后,笨笨熊对妈妈说:"妈妈,你不但长得漂亮,但是厨艺也很棒!"听了这话,妈妈知道了儿子想要表达的意思,可是儿子说得却不准确。于是,妈妈让儿子再说一遍,可是笨笨熊还是说错了。这时,妈妈给笨笨熊纠正了一下:"儿子,你用错了关联词语。这里应当用‘不但……而且……’,应该是‘妈妈,你不但长得漂亮,而且厨艺也很棒!’。"     

中日第二人称的对比研究——以“ぁなた”与“你”、“您”的对译状况为中心

翻译日汉语句子的时候，有很多中国的学生都会把汉语的“你”、“您”译成日语的“ぁなた”“きみ”“ぉまえ”。但是在现实的日语使用状况当中，日语“ぁなた”“きみ”“ぉまえ”却远远没有汉语“你”、“您”出现的频率多。也就是说他们虽然中日的意思对应，但是在实际应用时的使用状况却有很大的差别。尤其是现在中国正普遍使用的日语教材《标准日本语》（初级上册）中，经过调查结果显示，在24篇课文当中仅仅只有两处使用到“ぁなた”。它们分别是：     

英汉思维模式对句子的影响

本文从语言与思维的关系，探对了英汉民族不同思维模式对其句子的影响，希望为英汉语言的交流提供有益的帮助。