tablet的短语（共9篇）
1.tablet的短语 篇一
一、不是“颜色”的颜色
black art魔术 (不是“黑色艺术”)
blue jacket水手;水兵 (不是“蓝色夹克”)
brown study空想 (不是“棕色的研究”)
golden opinions极高的评价 (不是“金色观点”)
grey hairs老人 (不是“灰白的头发”)
grey sister修女 (不是“灰色的妹妹”)
green horn没有经验的人 (不是“绿色触角”)
red light危险信号 (不是“红色灯光”)
red meat牛肉;羊肉 (不是“红肉”)
silver tongue说话流利 (不是“银色的舌头”)
white feather懦夫 (不是“白色羽毛”)
二、不是“动物”的动物
bell the cat舍己为人 (不是“给猫挂铃”)
cry wolf虚张声势 (不是“对狼大叫”)
dog days三伏天 (不是“狗天”)
dog ear书的折角 (不是“狗耳朵”)
eat crow被迫认输 (不是“吃乌鸦”)
goose flesh起鸡皮疙瘩 (不是“鹅肉”)
horse sense常识 (不是“马的意识”)
white elephant沉重的负担 (不是“白象”)
rain cats and dogs下倾盆大雨 (不是“下猫狗雨”)
2.tablet的短语 篇二
同其它预装Android系统的平板电脑一样，ThinkPad Tablet本身是可以通过OTA在线升级的，不过有时遇到自动更新系统无效或系统启动时自动报错，经恢复出厂设置后问题依旧时，可以采用手动升级的方式为手中ThinkPad Tablet平板电脑安装官方提供的最新版Android系统。
在对ThinkPad Tablet进行手动升级以前，需确保产品剩余电量在70%以上或连接随机电源适配器，并预先准备好一张SD卡。接下来通过“http://download.lenovo.com/slates/think/tablet1/ThinkPadTablet_A310_02_0037_0076_SC.zip”地址下载默认名为“ThinkPadTablet_A310_02_0037_0076_SC.zip”的系统文件，并在下载完成后将其名称改为“update.zip”。完成后将update.zip解压缩出来的文件夹拷贝到SD卡根目录，并将SD卡放入ThinkPad Tablet平板电脑读卡器卡槽中。
按下电源开关启动ThinkPad Tablet，当看到“LENOVO”图标后（或开机感到震动后）连续按下机器侧面音量增大键，直到屏幕左上方出现“Booting recovery kernel image”字样。使用音量调节“+”“-”选择 第二项“apply update from external storage”，按下开机键确认。再使用音量调节“+”“-”选择 update.zip，按下开机键确认后系统便会自动更新文件（如图1）。
3.英语爱情短语中常用的修辞手法 篇三
一、明喻 (simile)
明喻 (simile) , 结构非常明确, 通常主要有三个基本要素构成:本体 (tenor) 、喻词 (connective) 、喻体 (vehicle) 。作为比喻的一种, 明喻, 即将具有某种共同特性的两种不同事物加以对比, 一般是以人们比较熟悉的、具体的事物作为喻体, 使表达显现地更为生动、形象、真切分明。为了达到这种效果, 明喻采用了不同的结构形式, 其结构差异又主要表现为本体、喻词、喻体这三个构成要素的搭配以及排列顺序方面的差异。喻词多用“像”、“如”、“似”、“仿佛”、“犹如”、“就如”等, 强调本体和喻体之问的相似关系。汉语的引导词主要有:如、象、似、若等, 英语的引导词主要有like、as、as if/though、what、than等等及与此相关的一系列词汇。
And your voice in my ear is like heaven to me
Like the breezes here in old shanghai
(选自Shanghai Breezes)
你的声音在我耳边, 听起来就像天赖一样, 如同这古老的上海的微风。本句将voice比作heaven, 形象地表现了作者所思念的人离自己很要远。Heaven是什么, 是一个很虚幻, 很遥远的事物。Breezes是一种无形的事物。摸不着也抓不住。也有一种距离遥远的缥缈感觉。此句惟妙惟肖的表现了一种思念的语境。
Silence like a cancer grows (选自The Sound Of Silence)
这句话是比喻中的明喻。将Silence比喻成cancer grows非常形象。沉默如同肿瘤一样滋长。很形象地表现出了沉默所带来的痛苦感受。
二、暗喻 (metaphor)
暗喻句中本体、喻体、喻词都出现, 但喻词与明喻句的喻词不同, 暗喻句通过“是”、“变成”、“成为”、“等于”等, 突出“本体”与喻体之间的关系。它无处不在, 且能以已知喻未知, 以简单喻复杂, 以具体喻抽象。它的一般形式是:本体甲是喻体乙或喻体乙是本体甲。英语的引导词主要有is、as等等及与此相关的一系列词汇。
Love is a bird, she needs to fly (选自Frozen)
Love is a bird是一句非常简单的暗喻象地表现出爱情是需要自由的。she needs to fly这是一句拟人句。对前面的Love is a bird做一下说明。即为什么爱情像只小鸟, 因为爱情和小鸟一样是需要飞翔的。这句拟人的应用也可以在某种程度上表现词作者对人心的一些了解与渴望, 即渴望爱情像小鸟一样自由的飞翔在天空中。
You are the candle, love's the flame
(选自Said I Loved You...But I Lied)
这是两句很典型的暗喻。“你是蜡烛, 爱情是火焰”蜡烛的火焰是很微弱的。尽管火焰微弱, 但是它经过了风风雨雨的考验, 这里的爱是灼热的, 是超出普通的爱得更加热烈的爱。淡淡的隐喻与下面的一小段的结合, 顿时就把那爱的浓烈形象具体化了, 让人感觉栩栩如生。
三、借喻 (torpe)
本体和比喻词都不出现, 直接地把喻体借过来代替本体的比喻叫借喻。
She is expecting the Apollo of her life
她在等待她生命中的阿波罗。“阿波罗”是喻体, 代替本体“白马王子”或“有诗情画意的爱人”。借喻只有喻体出现, 因而喻体更醒目, 喻体所显示出来的本质特征也就更加突出。
Don't touch my apple of love.
别碰我的爱情信物。My apple of love这个习语源于殖民时期的南美洲。当时在秘鲁的丛林中, 生长着一种叫“狼桃”的水果。这种水果色泽光亮、鲜艳, 形状和苹果十分相似。但人们认为这种水果是一种毒果, 没人敢吃, 只把它作为观赏植物加以栽培。后来有人冒着生命危险, 勇敢地品尝并证实了它的美味。到了16世纪, 英国有一位公爵游历到了秘鲁, 非常喜欢这种水果, 于是, 他把它们带回英国皇宫, 作为珍贵的礼品献给他心目中的爱人——当时的英国女王伊丽莎白。这种水果, 实际上就是西红柿。从那以后, 西红柿在异国他乡的土地上得到广泛种植, 被人们称为“爱情的苹果”。如今, 这一短语可喻指“爱情的信物”。
四、转喻 (metonymy)
转喻是人们用熟悉的某一事物去代替与其有重要联系的另一事物。它同样是基于人们的基本经验, 其实质是概念性的, 是自发的、无意识的认知过程。英语中很多与爱情相关的习语都产生于转喻。
win one's heart
获得某人的欢心
steal one's heart
让某人在不知不觉中爱上自己
lose one's heart to somebody
爱上某人
显然, 这些习语里的“heart”不指真正意义上的“心脏”这一实体, 而是指情感“爱情”。之所以有这样的习语存在, 是因为过去人们误以为心脏具有想象和情感的功能, 象征着人类复杂的各种情感, 当然爱情是其中之一了, 所以经常用“heart”一词组成一些与表示人的思想情绪有关的习语。
五、拟人 (personification)
英语辞格拟人是把物当做人来描写的一种修辞方法, 具体用法是把通常仅用于描写人的各类词语用于描写物, 赋予各种“物” (包括有生命的和无生命的、抽象的和具体的) 以人类特有的言行或思想感情, 变无灵为有灵。借此表现作者的思想感情, 增强语言的感染力和生动性, 使表现对象栩栩如生, 活灵活现, 并使七特征更为突出感人。其实, 从本质上说, 拟人就是把人的思想、人的感情、人的行为方式赋予无灵的事物, 作为人来描写。
Thoughts disappearing like tears from the Moon.
思念像月亮的眼泪消失不见。将月亮拟化为人, 因为只有人才会哭, 月亮与眼泪都是很凄美的事物, 使人感到希望从绝望和狭窄的空间里清晰的穿透而出, 像一个智者在呼喊你的名字一般豁然开朗。
Love asks faith
爱情要忠诚。爱情向男男女女提起了“要求”。
Love laughs at locksmith
爱情嘲笑贫贱粗汉, 它趾高气扬地“嘲笑” (1aughs at) 那些地位卑下者。
Blind love mistakes harelip for a dimple
盲目的爱情错将兔唇当笑窝。爱情一不小心“犯了错误”。
六、双关 (pun)
英语中pun一词的来源虽说求宅论, 但多数学者认为它可能是一个截短词, 表面看来俄目源自意大利语已废词pundigrion或拘词puntiglio, 意即细节。“Pun”在Oxford English.Dictionary中定义为:“The use of a word in such a way as to suggest two or more meanings or different association, or the use of two or more words of the same or nearly the samesound with different meanings, SO as to produce a humorous effect.”根据OED (牛津英语词典) 记载, 双关作为修辞手法最早于1662年由德莱顿率先使用, 涉及不同类别的双关语的各种文字游戏在修辞学上通称为pun。在汉语修辞中, 陈望道指出:“双关是用了一个语词同时关顾着两种不同事物的修辞方法”。关于汉语双关语, 《辞海》所下的定义是:“双关一修辞学上的辞格之一, 利用语言文字上同音或同义的关系, 使一句话涉及两件事。”《现代汉语词典》 (商务印书馆, 1996) 所给的定义是:“用词造句时表面是一个意思, 而暗中隐藏着另一个意思。”
Marriage is like a violin.After the music is over the strings are still attached.
译文:婚姻犹如提琴, 乐曲演奏完了弦仍在琴上——欢乐之后还有义务。
Strings同时兼有琴弦和limited conditions两层含义, 使得music也具有双重含义 (使人愉悦的事物) , 只好分别译出。这种格言的翻译不便另外附注, 因而采用正文加注, 处理成类似汉语歇后语的形式, 对读者而言接受起来也更容易。
Though we are apart, you are still a part of me.
虽然我俩已分开, 但你却仍在我心中。暗示一种表白或承诺:I'll always have you in mind.我心中永远有你。
结语
以上这些修辞手法不光在爱情短语里经常用到, 也是英语中最常用的修辞手法。爱情短语本身是极富有诗意的一种语言表达情感的方式。掌握好这些修辞手法的运用, 可以使读者体会英语之美, 也可以提高学习英语的兴趣。
参考文献
[1]、李晓惠李芳芳英汉明喻结构对比差异分析Apr.2006, Volume 3, No.4 (Serial No.28) Sino-US English Teaching, ISSN1539-8072, USA
[2]、英文歌曲的语法和修辞http://blog.cnwing.net/more.asp?name=raewon&id=48650
[3]、谢庆芳拟人与夸张在英语谚语中的运用中山大学学报论丛, 2006年第26卷第1期
[4]、夏金玉英语爱情习语的认知解读科教文汇2008.12 (上旬刊)
[5]、王飞鸿英语“Pun”与汉语“双关”类型的交叉比较与翻译郑州航空工业管理学院学报 (社会科学版) 2009年4月第28卷第2期
4.tablet的短语 篇四
CBSi(中国)高级副总裁刘小东得知我即将在深圳召开苹果iPad批判研讨会后，第一个反应是“李易，你疯了”，第二个反应是致电我提出郑重警告：批判iPad=反潮流，李易你这个“中国消费类电子产业链整合第一人”的招牌弄不好就砸啦!
另外，有不明真相的围观群众在我的个人博客上大肆留言，更有甚者直接代表联合国安理会给我扣上了“反人类罪”的帽子。
6月22日苹果官方宣布，自4月3日开卖以来，iPad在80天内全球已狂售300万台。于是，见风使舵的各大分析机构在第一时间纷纷向上修正ipad的出货预期，包括我李易在内的所谓业内资深人士。也几乎在一夜之间和他们统一了口径：2010年iPad出货量将超过700万台，2012年前的总出货量将超过1500万台。当时。我已经能够想象到汤坶·克鲁斯、奥普拉·温弗瑞、任志强、潘石屹和胡舒立等中外各色名人们人手一本iPad。
毛主席告诉我们：群众的眼睛是雪亮的；乔(布斯)帮主告诉我们：没有iPad的人是可耻的。而在近日：我在香港机场的Wc里，甚至还听到一种玄到近似哲学的概括：iPad，美国软实力的硬体现。
OK，够了!
我要声明，嫉妒并不是我批判iPad的缘由。因为，我实在没理由，也没有勇气去嫉妒一个每天都视今日为生命终结点的肝脏移植者。我，批判iPad的原因之一，是因为iPad狂潮带来的一个传说，一个关于僵尸复活的传说。而这个美丽的传说，可能会引发中国消费类电子业界走向一个类似上网拳(NetBook)一样的深渊。
这个伟大的僵尸，就是诞生于上个世纪末的平板电脑(Tablet pc)。
软件巨人比尔·盖茨是平板电脑的积极倡导者，他一直希望能有手写输入的电脑，因此微软一直致力于它的研发，试图颠覆PC打破传统的鼠标键盘操作，用笔控制整个Windows操作系统。
1992年，盖茨推出微软Windows forPen，1994年被淘汰；1996年4月，Palm研制出第一款成功应用的触笔式电脑；1997年11月，甲骨文开始研究平板技术；2000年11月及2001年11月，盖茨在Comdex的讲话中采力倡导平板电脑；2002年5月，盖茨带着150台平板电脑参加微软年度CEO峰会；2002年8月，平板电脑软件向电脑制造商开放。同年11月，平板电脑正式上市，全球七大电脑制造商开发这一新产品。
显而易见，平板电脑绝不是新鲜玩意。它只是一具被寄托了划时代厚望的僵尸而已。
僵尸就是僵尸，无论它贴上什么标签，都不可能复活。但是。苹果iPad的热销似乎创造了一个僵尸复活的机会，而这个传说中的机会，对于热衰于简单抄袭模仿的中国消费类电子业界来说，也许是一个深不见底的陷阱。
以上言论绝非危言耸听，因为一个非常危险的信号已经出现。君不见，随着各种利好预测相继浮出，中国消费类电子业界已不乏大牌的配合演出者，长城、汉王、爱国者、华硕、微星、万利达，甚至伟大的国美，均已前赴后继杀入平板电脑战场。可悲的是。这也许只是一个并不大的战场，大家在杀敌一千自损八百后才发现，这里既没有水也没有草，唯有血流成河。
这个悲剧剧本的逻辑很简单，因为ipad大卖，而iPad属于平板电脑，所以平板电脑即将僵尸复活。但是，我想说的是，iPad不是平板电脑，iPad就是iPad，仅此而已。就算我们强行给iPad贴上平板电脑的标签。也不能政变僵尸本身的命运。
现在，可以说说我发起苹果iPad批判研讨会的既定初衰了：是为了帮助中国消费类电子业界认清iPad的本质，划清iPad与平板电脑的阶级界限。
iPad，不是工具，是玩具；ipad，不是科学，是哲学；iPad，不是技术，是艺术。
值得一提的是，在即将召开的苹果iPad批判研讨会上。我将特别邀请几位超级苹果粉丝出席并发表谈话，这些发烧友从iMac、MacBook、MacBook Air、Mac ITklrll、iPod、iPhone到iPad-路追随下来。其中一位来自深圳的发烧友尤甚，每次苹果出新品，他必定每款各买两台，一台试玩。一台则不拆包装仅供收藏。
这些苹果粉丝的存在是iPad成功的核心要素，有了这样无法复制的宗教信仰般的品牌忠诚度，ipad是什么已不重要，只要系出苹果，哪怕iPad是个毫无用处的垃圾，一样也会大卖特卖。
最后，我很想对“从来不创新，永远只模仿”的中国消费类电子业界说一句肺腑之言：模仿无罪，但是模仿iPad就是死罪。对我们采说，iPad只是一个独孤求败式的传说，我们可以推崇它。但是无法复制它。
这时，我又想起了一句话：欲练神功，挥刀自宫。即便自宫，未必成功!
5.tablet的短语 篇五
早在今年的1月份，索尼就已经发布了Xepria Tablet Z平板电脑。索尼新款平板电脑采用了和索尼Xepria Z智能手机同样的设计语言。而且索尼Xepria Tablet Z平板电脑的轻薄让人感到惊讶，它实际上要比Xepria Z智能手机还要薄一些。
就像一把西瓜刀？
当你拿起Xepria Tablet Z，你的第一印象就是可以用用它来切西瓜。其体现了索尼工业设计美学的身材仅仅只有6.9毫米，它比iPad Mini还薄，重量只有495克，这个重量大约只有全尺寸iPad的四分之一。不仅如此它还和他的智能手机兄弟Xepria Z拥有一样的防水防尘的功能，完全可以放在1米深的水中30分钟。加上它纤巧的体形并不像过去的防水型科技产品一样都是笨拙而特制的。它也让你可以在洗澡时看电影的愿望变成了现实。
全高清标准
说到高清，Xepria Tablet Z虽然并未搭配像iPad或Nexus 10那样锐利的分辨率，但它的1920×1200、224ppi 的IPS液晶显示屏还是超过了全高清标准，足可以完美展现任何视频，特别是16：10的屏幕比例可以显示更多的内容。它拥有前后两个摄像头，在屏幕上方有一个200万像素的摄像头，背面则配备了一个800万像素的摄像头。这两个摄像头都通过索尼Exmor传感器进行连接，得益于它的背面照明技术，该产品在光线不足的环境下进行拍摄视频具有很好的体验。通过智能自动模式，主摄像头通过软件工作来为Tablet Z服务。前置摄像头主要用于视频通话。与此同时，四核1.5GHz处理器和2GB的RAM也赋予了它充足的游戏性能。
先进的连接技术
Xepria Tablet Z支持与Xepria Z同样的先进连接技术，即4G与NFC，以及同样普遍却又离不开的USB与microSD插槽。还有需要注意的一点就是它的续航问题，在这么薄的外壳里所配置的电池到底能工作多久？Tablet Z的6000毫安的电池电量只是Nexus 10的三分之二，但索尼的Android界面拥有一些可延长续航时间的电池能量管理技术，希望可以弥补这一差距。
售价：约3800元人民币
6.tablet的短语 篇六
基本名词短语是以名词为主体的短语,其性质和作用与名词相同。基本名词短语是自然语言的重要结构单位,也是信息传递的基本单位。作为自然语言浅层句法分析的重要任务之一,它的分析结果可以简化句子结构,降低句法分析的复杂度;同时作为一种确定性很高的部分分析结果,它能解决绝大部分的局部歧义结构问题,从而为进行深层次的分析处理打下基础。由于汉语本身的特点,中文名词短语识别具有以下难点:
1) 分词仍然是中文信息处理的一个难题。汉语的词语间没有明确的界限,分词错误会持续到命名实体识别中。
2) 汉语是通过语义来驱动意义的表达,在汉语中存在很多的兼类词,这也给名词短语的识别和组块分析带来了难点。
3) 汉语和英语之间的明显差异,如英语中的单复数信息、人名的性别信息等在汉语中都不明显,使得直接借鉴英文的处理方法存在一定的困难。
目前中文基本名词短语识别的相关研究中,主要采用基于统计的方法进行识别。如文献[8]将基于转换错误驱动的方法应用到中文基本名词短语识别问题上。首先根据基本组成模板对文本进行BaseNP的初始标注,通过对比以发现标注错误。定义上下文有关的转换规则空间,将其运用于对识别错误的校正中,然后用评价函数挑选出得分最高的规则来刷新当前标注结果,组成转换规则的有序集。
文献[2]中提出了一种边界统计和词性串校正相结合的方法,把基本名词短语识别分成主次分明的两部分:边界统计和词性串规则校正,在英语和中文语料上F值分别达到了96.90%和95.04%。
钱伟等采用基于最大熵模型的英文名词短语指代消解算法解决名词短语间的指代问题。在MUC-7公开测试语料上F值达到了60.2 %。
此外,在组块分析领域中也包含对基本名词短语识别研究,文献[3]介绍了汉语句子的组块分析体系;文献[4,5]中分别把基于记忆和SVM的方法运用到中文语块识别中,前者正确率达到95.2 %和93.7 %,后者F值达到了88.67%。
1 Base NP问题描述
结合汉语特点,中文基本名词短语可作如下形式化描述:
BaseNP → BaseNP + BaseNP
BaseNP → BaseNP + 名词 | 名动词
BaseNP → 限定性定语 + BaseNP
BaseNP → 限定性定语 + 名词 | 名动词
限定性定语 → 形容词 | 区别词 | 动词 | 名词 | 处所词 | 西文字串 | 数量词
本文将基本名词短语定义为具有单一的语义核心、非嵌套的名词短语。它包括单个名词,没有任何修饰成分的名词短语,难以确定修饰关系的一串名词,并列名词性成分,专有名词,时间,地点等,如“足球比赛”、“产品结构”等。
基本名词短语识别可转化为标注问题。这里引入BIO标注法,即对句子中基本名词短语进行识别时,对每个词而言,它只有三种可能的标注:名词短语左边界(B)、名词短语内部(I)、名词短语外部(O)。这样基本名词短语的识别问题就转化为对每个词进行标注的问题。
2 模型组合策略
本文的方法是将条件随机域模型(CRF)和支持向量机模型(SVM)这些统计模型结合起来,从而实现基本名词短语识别和标注的一体化。
2.1 CRF模型
条件随机域是一种无向图模型,假设X,Y分别表示需要标记的观察序列和对应的联合分布随机变量,那么条件随机域(X,Y)就是一个以观察序列X为条件的无向图模型。
实体识别问题实际上可以定义成序列的标注,即判断观察词是否属于预先定义的特征集合。对命名实体识别问题而言,利用CRF方法进行识别,则将含有NE标记的实例序列对(x1,y1), (x2,y2), …, (xn,yn)输入系统,而系统要求解的目标函数如下所示:
其中n表示给定词序列的长度,Z(x)是归一化因子,Fj(y,x)是特征函数,λj是第j个特征函数的权重系数。NE识别的目的就是要找到最优序列p*,使得:
2.2 基于转换的标注
基于转换的标注TBL(Transformation-Based Labeling)包括允许的错误校正转化的详细说明和学习算法。一个转化包含两个部分:一个触发环境和一条重写规则。触发环境指的是上下文信息,当上下文某些位置的标注满足一定条件时,应用重写规则,重写规则的形式是t1→t2,表示用t2 替换t1。
基于转化的标注学习算法选择了最佳的转换,并且确定了它们的应用次序。其工作的主要步骤:
1) 用最常见的标记标注每个词。
2) 在训练迭代的过程中,选择最可能减少错误率的转化,通过标注过的语料库中被错误标注的词语的数目来衡量错误率。当没有能够降低超过预先制定阈值ε大小的错误率的转换时将停止。这是一个转换最优序列的贪婪搜索过程。
2.3 SVM模型
SVM的主要思想是建立一个超平面作为决策曲面,使得正例和负例之间的隔离边缘被最大化。
设有n个样本集xi及其所属类别yi ,表示为:xi∈yi,yi∈{1,-1},i=1,2…,n,平面w·x+b=0方程能将两类样本分开,即:
yi[(w·xi)+b]-1≥0 (i=1,2,…,n) (3)
分类间隔等于2/‖w‖,训练样本点被称为支持向量。利用Lagrange优化方法得到最优分类函数是:
对于非线性问题,可以通过非线性变换转化为某个高维空间中的线性问题,在变换空间求最优分类面。相应的分类函数变为:
其中K(x,xi)为核函数,利用此函数可以实现从低维空间向高维空间的映射,从而实现某一非线性分类变换为线性分类,ai为样本对应的拉格朗日乘子,yi ∈{1,-1}。
本文用的SVM分类器是Joachims编写的二元分类器SVMlight,并使用默认参数。
2.4 组合分类器模型
本文采用两级分类器。第一级采用TBL和CRF分类器,通过分析我们发现,CRF和TBL的识别结果中错误标注的原因主要是由于Base NP边界识别错误造成,这是一个无监督的错误发现的过程。对于第二级分类器,我们利用SVM分类器来学习其中的错误规律,这是因为SVM能够考虑上下文信息,并且可以自由加入新的特征,使得我们可以将初级识别结果中的正确结果可以保留,并作为新的特征交给SVM,从而提高SVM分类器的识别效果。组合分类器策略的流程如图1所示。
3 特征的选取
特征在机器学习方法中起着非常关键的作用,它将直接影响系统性能。由于是对每一个词进行名词短语标注,每一个词的名词短语标注过程都被看作是一个事件,因此由当前词其上下文环境来确定一个事件的特征集合。根据影响当前词名词短语标注的各种因素,特征向量的属性主要考虑两类信息:
(1) 词性(P) 当前词及其前后各两个词的词性;
(2) 词(W) 当前词及其前后各两个词。
我们定义了十个特征,表1列出了特征表达及各个特征所代表的意义,由于表中每个模板只考虑一种因素,因此称为原子模板。由于在上下文中仅使用原子特征模板难以完全描述语言中的一些复杂现象,通过对各种原子模板进行组合,可以构成一些组合特征模板来表示更复杂的、非线性的上下文信息。我们将识别基本名词短语的特征分为原子特征和复合特征(如表2所示)。
4 实验分析
通过原子特征和复合特征得到的特征构成候补特征集合,本文通过实验从中选取对模型最为有用的特征,并进一步对组合分类器模型在ACE2005中文语料上进行实验。
4.1 特征选择实验
由于并非所有的特征对名词短语的标注贡献都是相同的,甚至有些特征可能对标注起副作用,所以我们对这些特征进行检验,选出合适的特征组合,作为最大熵模型的输入。分别对表2中的八个复合特征进行实验,进行了基于最大熵模型的名词短语标注,结果如表3所示。
通过对表3 的分析,可以得出以下结论:
1) 从序号1、2中可以看出,采用当前词的词性和当前词的前一个词的词性作为复合特征的正确率最高,说明当前词的前一个词性对分类的贡献非常大,而后一个词的词性对分类的贡献相对较小。
(2) 从序号6、7中看出当前词的词性对分类的贡献不大,而且会起到负面的作用。
(3) 序号8的准确率非常低,可知使用词作为特征,容易引起数据稀疏,对分类的影响较小,导致分类结果很差。
最终可以选定在上述实验中效果较好的特征,作为最终系统的特征模板,在基于SVM名词短语识别上的结果如表4所示。
4.2 组合分类器实验
为避免组合分类器模型对实验语料数据的敏感性,在后处理分类器中我们再次采取交叉验证的方法将语料分为五等份,每次取其中四份做训练集,剩余一份做测试集,取五次结果的平均值作为最终结果。测试的结果如表5所示。
通过实验结果可以看出,经过TBL和CRF为第一层,CRF为第二层的组合分类器训练之后,采用组合分类器策略能够有效地提高对基本名词短语识别的效果,比单纯使用SVM的结果要高出1.37个百分点。
5 结 语
本文采用了一种基于混合统计模型的方法对中文基本名词短语识别任务进行实验。通过对基于复合特征系统的实验结果,选定有效特征提交给组合分类器,并将TBL、CRF和SVM模型分为两层组合使用,保留了第一层模型中较好的识别结果,同时能在第二层模型中有针对性地加入新特征,在ACE2005中文语料上的实验表明,这一方法得到了较好的结果。
摘要：采用一种基于混合统计模型的方法来实现中文基本名词短语识别。首先简要分析目前的研究现状,明确中文Base NP识别的任务,然后采用以基于转换的标注和条件随机域模型为底层,支持向量机模型为高层的混合统计模型来进行中文BaseNP的识别。在ACE2005中文语料上的实验表明,F值比使用单一模型提高了1.37%,达到了88.67%,能提高中文基本名词短语的识别性能。
关键词：基本名词短语,支持向量机模型,特征模板
参考文献
[1]Taku K,Yuji M.Use of support vector learning for chunk identification[C]//Proceedings of CONLL’2000 AND LLL2000,2000:127.
[2]梁颖红,毛蕾,赵铁军,等.英语基本名词短语识别技术研究[J].高技术通讯,2004(12):21-24.
[3]周强,孙茂松,黄昌宁.汉语句子的组块分析体系[J].计算机学报,1999,22(11):1158.
[4]张昱琪,周强.汉语基本短语的自动识别[J].中文信息学报,2002,16(6):1.
[5]李珩,朱靖波,姚天顺.基于SVM中文组块分析[J].中文信息学报,2004,18(2):1.
[6]周雅倩,郭以昆,黄萱菁,等.基于最大熵方法的中英文基本名词短语识别[J].计算机研究与发展,2003,40(3):440-446.
[7]徐昉.汉语base NP识别:错误驱动的组合分类器方法[J].中文信息学报,2007,21(1):115-119.
7.tablet的短语 篇七
乔姆斯基语言学理论, 也叫生成语言学, 是典型的解释性科学理论。按照生成语法的观点, 人类大脑的语言器官中, 有一个词库和一个推导程序。推导程序也叫演算系统或计算系统。推导程序从词库中选择词项, 推导出句子的结构描写形式。但是句子生成后不是静止不变的, 有些句子成分还会发生移位。移位的运用极为简单, 就是把结构表达式中的一个结构成分从一个位置移动到另外一个位置。但是移动不是任意的, 是有条件的。这些移动条件是普遍语法研究的一个极为重要的内容。当移动成分是名词短语时, 就叫名词短语移位。
二、六个发展阶段
乔姆斯基语言学理论主要有六个模型, 它们分别是:1957年的“Syntactic Structure (SS) 模型”、1965年的“Standard Theory (ST) 模型”、1972年的“Extended standard Theory (EST) 模型”、1976年对EST的再次修正、1981年的“Government and Binding Theory (GB, 管约论) ”模型和1993年的“Minimalist Program (MP, 最简方案) 模型”。虽然这些模型的设计思想没有本质上的差别, 但是实现的技术在不断的改进。“移动”作为句法演算中的最基本操作, 在以上提到的各个模型中均有所涉及。在“SS模型”中, 乔姆斯基提出一套转换规则。利用这些转换规则, 可以把根据短语结构规则生成的简单的核心句转换成一些相互关联的句子。在“ST模型”中, 乔姆斯基认为转换语法可以插入、删除和移动语言成分。在“EST模型”中, 乔姆斯基对转换的范围和能力进行了修改, 减弱了原有的转换能力, 使其变成了移位规则。现在, 移位理论已成为“GB模型” (管辖与约束理论, 简称“管约论”) 和“MP模型” (最简方案) 中的一个重要部分。
三、“管约论”和“最简方案”对名词短语移位的解释
在“管约论”的框架下, 英语名词短语移位主要涉及两种结构:被动结构和提升结构。被动句中的名词短语移位主要是指动词的补语被移到了主语位置, 或是不定式分句的主语被移到了主语的位置, 例如: (1) The puppy was kissed. (2) He was supposed to be a doctor.提升结构中的名词短语移位主要有两层含义:一层为普通含义, 主要指“提升动词”———使其补语分句中的名词短语发生移位, 一类含有和“提升形容词”———使补语分句中的名词短语发生移位, 例如: (3) The man seems to have met the girl. (4) This team is likely to win.
另外一层为特殊含义, 主要是指“主语提升”, 即名词短语从一个主语位置移到另外一个主语位置。在“管约论”的框架下, 名词短语移位主要和题元理论和约束理论相联系。按照题元理论, 句子是以动词为中心的结构, 动词本身的词汇信息决定了句子的基本结构, 也就是不仅句中动词的每一个题元角色都必须分派出去, 而且句中的每一个名词短语都必须得到一个题元角色。约束理论由三个原则组成, 分别涉及三类名词短语:照应语、代词和指称语在句中的约束关系。第一原则照应语在管辖范围内必须受到约束。第二原则代词在管辖范围内不得受到约束。第三原则指称语在任何范围内都不得受到约束。移动的名词短语在原位留下了一个痕迹, 叫做“语迹”。“语迹”被认为是隐性的照应语, 必须遵守约束理论的第一原则。在“管约论”的框架下, 被动句是由D-结构经名词短语移位转换而成的S-结构。被动形态变化使动词丧失了分派外题元角色的能力, 造成主语位置的空闲;但屈折词I仍能给主语位置授格。被动形态变化也使动词丧失了给补语或作补语的不定式分句的主语授格的能力, 使有关名词短语失去了得到格的来源。因此, 为了通过格的检验, 无格的名词短语被迫移到有格的主语位置上。这就是说, 被动转换过程中名词短语移位是在格的驱动下进行的。在提升结构中, 当提升动词的补语由不定式分句充当时, 由于分句的主语在分句内得不到格, 又不能得到例外授格, 被迫进行提升, 移到主句的主语位置。在含有提升形容词的提升结构中, 补语分句内的名词短语在不定式分句内得不到格;也不能从分句外得到例外授格, 因为形容词根本不是授格成分。因此, 名词短语在格的驱动下提升到没有题元角色但有格的主句主语位置。根据“主语在VP内假设”, 「Spec, VP」是句子主语的原位, 同样是在格的驱动下, 在该位置上的名词短语通过移位出现在 (Spec, Ip) 的位置上。
和“管约论”相比, “最简方案”相对来说更加优越, 它用更为简单普遍的原则解释了名词短语移位。在“最简方案”的框架下, 结构的建立用了合并和移位两个句法操作手段, 这两个操作手段的运用使得“最简方案”对名词短语移位的解释不再用到D-结构和S-结构。此外, 名词短语移位的根本原因是核查名词短语的语法特征, 格核查理论的使用使得“标志语—中心语一致关系”替代了“管辖”。
四、结语
在“管约论”和“最简方案”的框架下, 名词短语移位都是有限制的。名词短语的移位要遵守某种局部限制, 它必须在某个局部范围内进行, 一次不能移动得太远。名词短语移位要循序渐进, 一步一步地进行。对于这一现象, “管约论”用了约束理论中第一原则给出了解释, 而“最简方案”用了一条更为普遍的语法原则———“经济原则”, 从而简化了对名词短语移位的解释, 更加合理, 更加符合人的心智反映。
摘要：本文首先回顾了乔姆斯基语言学理论的主要模型, 并指出名词短语移位在每个阶段的发展情况, 然后通过“管约论”和“最简方案”对名词短语移位进行分析, 最后通过比较指出“最简方案”的优越性。
关键词：名词短语移位,管约论,最简方案
参考文献
[1]Andrew Radford. (2000) .Transformational Grammar:A First Course[M].Beijing:Foreign Language Teaching and Research Press.
[2]Noam Chomsky. (1957) .Syntactic Structure[M].Mouton:The Hague.
[3]胡壮麟, 姜望琪.语言学高级教程[M].北京大学出版社, 2002.
8.tablet的短语 篇八
在电子书市场，一般人都将焦点放在Kindle电子阅读器身上。不过，Amazon所强调的Kindle Store与Kindle之间串联出来的整套服务架构才是重点。简单一句话“Amazon在电子书市场所贩卖的是服务而非只是产品”。以如此的逻辑来看，Amazon如果要进入平板电脑市场，其重点绝对不是平板电脑本身，而是平板电脑背后的服务商机。
“Kindle与Kindle Store的关系”和“iOS设备与iTunes的关系”其实是一致的。因为消费者在KindleStore所下载的电子书只能在Kindle阅读器或者透过Kindle应用程序阅读。因此，一旦读者成为Kindle用户之后，就难以跳脱到其它电子书商店。这就是所谓的“Lock-in”策略，其对用户的黏着性极高。
相信一旦Amazon推出Android平板电脑，其可复制相关的Lock-in策略，让客户黏着在Amazon的后端服务之上；或者Amazon可强调其平板电脑在阅读上的优势性，进而吸引Kindle电子书用户购买其平板电脑，再以MP3商店、VoD商店、应用程序商店以及Cloud Drive和Cloud Player云端服务来创造在多媒体与数字内容上的商机。这就是同样采用Android平台，Amazon与其它平板电脑不同思维之处!
披着低价羊皮的狼着眼软件服务商机
非Apple的品牌平板电脑如果要与iPad竞争，首要战略是低价，而且至少要比iPad低100美元，如果能低150美元更有胜算。可是以目前硬件成本结构来看，要推出零售价格349至399美元以下且具相当硬件规格的平板电脑，根本不太可能，所以惟有依靠“后端服务补贴硬件上的损失”是目前惟一可行的战略。
面对其它平板电脑业厂商的来势汹汹，为了拉大与其它平板电脑业者之间的差距，Apple于2011年底之前推出新款iPad 3是势在必行的策略。一旦iPad 3于年底前上市，采用499美元定价模式，且让iPad 2入门价格跌至399美元，则其它平板电脑厂商的生存空间将变得更小!这时Amazon如要推出平板电脑的入门价位最好是249至299美元之间。以一台平板机的硬件成本约在250至300美元计算，Amazon每卖一台平板电脑，必有损失，所以惟有提供良好的后端服务与广告来补贴其损失，才是睢一可行的策略!
Amazon同时拥有电子商务购物中心、电子书商店、MP3在线商店、VoD视讯服务商店、应用程序商店、以及云端服务等可以与Apple匹敌的服务生态体系。因此，Amazon可以复制其在Kindle上的成功模式，以低价吸引消费者购买该品牌的平板电脑，再透过其内容与服务、甚至广告来补贴其平板电脑的损失。这种模式绝对有机会与Apple进行一搏。反之，其它厂商如没有“以后端服务或广告来补贴其硬件成本损失”的条件，则在低毛利的平板电脑市场奋斗与低毛利PC市场没有任何差异!
9.tablet的短语 篇九
1.1 有关介词短语识别
简单来说,介词短语识别就是从经过分词和词性标注的句子中找出介词短语并给予标注。例如:“要把科学发展观落实到实处,还需要我们付出艰巨努力。”在这个句子中,“把科学发展观”就是我们要识别的介词短语,“把”是这个介词短语的前界,“科学发展观”是介词短语的后界,“落实”是介词短语的后词。假设能正确找到介词短语的前界和后界,也就是正确识别出这个介词短语。
1.2 最大熵模型框架
从直观上理解最大熵模型[1,2,3]的基本思想是:假如我们对一个随机事件的概率分布不是完全很清楚时,可以仅用我们现有所观察到的进行推测,而对不能观察到的情况模型赋予的概率分布为均匀分布。满足熵值在限制条件下最大的原则。在最大熵模型中,每一个特征对应一个约束条件,最大熵模型的任务就是寻找在约束条件下能满足最大熵的概率分布模型[4]。
2. 基于最大熵介词短语识别
2.1 特征表示及特征选择
特征一般由两部分组成,一部分是约束条件,另一部分动作(满足上下文约束条件时)。针对识别介词短语来说,如果“当前词为‘上’,词性为方位词,并且介词‘在’出现在‘上’的前面”,则“介词‘上’标注为介词短语的后边界”。即“如果…”(条件)和“则…”(行动)两部分组成了识别特征。用特征函数表示上面的关系为:
根据介词短语特殊的上下文环境及各自的特征空间,对原子特征进行组合,构造了适合介词短语识别的结构模板,以下是部分结构模板。
2.2 特征提取及参数估计
增量特征选择算法:
我们采用IIS算法[5],IIS算法是改进的GIS算法,适用于任何特征函数非负的情况。具体算法过程如下:
(1)输入n个特征函数f1,f2,…,fn及经验概率分布p(x,y);
(2)初始化λ1=0∀i∈{1,2,…,n};
(3)计算:令△λ为公式:
(4)λi←λi+△λ,更新λi的值;
(5)假设有λi不收敛的,重复(3)(4)两步,否则算法结束。
(6)输出参数值λ1,λ2,…,λn{λ1,λ2,…,λn}。
2.3 介词短语识别流程
用最大熵识别汉语介词短语主要包括四个模块:辅助模块、训练模块、识别模块和测试模块。在辅助模块中,由人工对经过分词和词性标注的语料进行分析,挑选出包含介词短语的句子,进行人工标注,并由计算机对标注结果进行格式检查。合格的存入介词短语人工语料库。在训练模块中,按比例从人工语料库中抽取训练语料,对所有训练语料进行特征提取、选择,用最大熵模型计算所有符合特征模板的特征函数的权值,存入特征参数文档。测试模块按比例从人工语料库中取出训练语料,去掉句子中的介词短语标注信息,交给识别模块。识别模块根据特征参数文档中的权值计算各个候选后界概率,识别句子中的介词短语,测试模块根据机器提交的结果把机器识别的结果和人工标注的结果进行比较,统计出介词短语识别的精确率和召回率,同时输出错误的识别结果。
3. 基于依存语法的错误识别自动校正
3.1 依存语法基础
依存语法一般描述的是句子中词之间的搭配体现的语法和语义关系。它认为构成句子的词语之间的结构关系具有一定的方向性,一般一个词由另一个词支配,根据词语间支配与被支配的结构就形成了依存关系。在语义依存语法中,支配词称为被支配词的中心词,被支配词称为依存词。短语的主要特征一般由句子中的中心词(通常为名词、动词、还有介词)来体现;而用以修饰中心词的部分就是依存词,一般为形容词、副词、名词、动词等。
3.2 介词短语右边界错误识别自动校正
用依存关系对介词短语右边界错误校正的关键在于寻找一个词语,使这个词语和介词短语的左边界具有最大的语义关联度。利用依存语法知识中有关词语之间依存关系的定义,可以将介词短语右边界错误校正的问题转化为求其左右边界最大的依存度值的问题。下面是与依存语法有关的两个定义:
定义1设
定义2设组成介词短语的结构序列为Wi…Wi+k,Wi为左边界词,则右边界词Wj(0
公式中attachment表示Wj是否依附于Wi的标志(0-不依附,1-依附),说明了确定右边界的条件。
经过基于最大熵识别介词短语的识别阶段,与测试模块做比较,挑选出右边界错误识别及漏识的句子,从依存关系树库中提取介词短语的句法特征信息,对句子进行加工。每个句子占三行,第一行是经过分词和词性标注的句子,第二行在句子中每个词及词性的前面加上序号,句子的末尾增加一个句尾标志“
例如:#他/r了解/v这本/r书/n的/u价值/n#
#[1]他/r[2]了解/v[3]这本/r[4]书/n[5]的/u[6]价值/n[7]
#[7]
4. 实验及其结果分析
4.1 实验数据
实验语料是经过分词和词性标注的文本,通过人工校对确保了词语切分及词性标注的正确性。用以训练的语料共15万词,介词短语有七千多个,是经过人工分析预处理去掉训练语料中不含介词短语的句子挑选出来的,单独对介词短语进行人工标注。方法是在介词短语的开始处加入开始标记“[”,结束位置加入结束标记“]”,分别代表介词短语的左边界和右边界。把测试语料随机分成5份:测试l,测试2,测试3,测试4,测试5,分别对这5份语料进行测试。
4.2 实验结果及分析
(1)基于最大熵识别介词短语实验结果如表2所示:
(2)挑选出右边界错误识别及漏识的句子,用基于依存语法对错误界定自动校正实验结果如表3所示:
从表2和表3实现的数据看,经过依存语法的错误界定矫正处理后的识别精度有所提高,召回率和精确率的数据没有明显的差距,这是因为对于每个介词都识别出一个介词短语,且仅识别出一个介词短语,所以不存在召回率的问题,或者说召回率和精确率相等,漏召的情况是因为语料中含有部分跨越分句的介词短语。精确率是自然语言处理中常用的评价标准,本实验也以精确率为评价标准。
5. 结束语
通过实验数据我们可以看出,采用最大熵建模识别汉语介词短语具有一定的可行性。这是因为它比一般的统计模型能获取更丰富的不受限文本特征。经过依存语法的错误界定自动校正也在一定程度上使识别精度有所提高,改善了介词短语右边界识别错误中的歧义问题。
摘要：针对介词短语右边界存在多种错误识别的问题,提出了一种基于最大熵的汉语介词短语自动识别方法。该方法结合了汉语介词短语左右边界词语的依存语法知识,先由最大熵模型对介词短语进行识别,然后利用依存树库中介词短语的左右边界词语的依存语法知识,对介词短语右边界的错误识别进行校正,提高了介词短语的识别率。
关键词：汉语介词短语,短语识别,最大熵,依存语法
参考文献
[1]刘群.统计机器翻译综述[J].中文信息学报.2003,17(4):1-12.
[2]R.Rosenfeld.A Maximum Entropy Approach to Adaptive Statis-tical Language Learning[J].Computer Speech and language,1996,10(3):187-228.
[3]Adam L.Berger,Stephen A,Della Pietra and Vincent J.Della Pietra.A maximum entropy approach to natural language processing Com-putational Linguistics,1996,22(1):38-73.
[4]杰,唐世渭,杨冬青等.基于最大熵原理的空间特征选择方法[J].软件学报.2003,14(9),1544-1550.
[5]Pietra S D,Pietra V D,Lafferty J.Including features of random fields.IEEE Transactions on Pattern Analysis and Machine Intelligence.1997,19(4):380-393.
[6]吕琳,刘玉树.最大熵和Brill方法结合识别英语Base NPs.北京理工大学学报,2006,26(6):500-503。
【tablet的短语】推荐阅读：
的励志签名短语08-06
赏花的心情短语09-09
call 的短语搭配06-18
for的常见短语07-10
front的短语搭配08-15
青春励志的心情短语08-16
off的短语词组08-31
激励自己意志的励志短语06-24
use的用法及短语07-10
一直的英语短语time07-14