导读:本文包含了语义量级论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语义,特征,程度,句法,副词,语义学,变体。
语义量级论文文献综述
张普钊,胡燕飞[1]（2018）在《面向物联网的轻量级语义模型设计》一文中研究指出不同物联网平台之间的异构性,使得物联网系统的跨平台互操作面临严峻挑战。对传感器进行轻量级语义描述,可有效提高物联网异构平台之间的互操作性。本文提出了一个适用于物联网的轻量级语义模型,可适用于实时的传感器资源发现,并为提高物联网感知资源搜索的效率奠定了理论基础。(本文来源于《数字通信世界》期刊2018年12期）
赵博文[2]（2018）在《弱否定“A是不A”相关格式的语义不对称及主观量级》一文中研究指出基于派生分析的视角来考察现代汉语中弱否定"A是不A"相关格式的语义不对称及主观量级。该格式主要出现在前让步、后转折的句子中,表示一种弱否定,即否定格式中A所表示的性状。文章首先分析该格式构成成分的限制和句法表现,认为A只能是相对于主体而言的不如意情况;其次,探讨格式的语义特征和形成机制,并分析相关格式的不对称现象;再次,从相关格式出发,推导出"A是不A"格式的形成过程及相关变体,并认为这些相关格式变体之间存在不同的标记度和主观量级;最后,简要说明该格式在具体话语中的语用表现和功能。(本文来源于《邵阳学院学报(社会科学版)》期刊2018年04期）
谢念念[3]（2018）在《基于轻量级语义特征的Android恶意应用静态检测》一文中研究指出Android系统的开放性及其繁杂的第叁方应用市场导致了大量恶意应用的存在,这对用户的个人隐私和财产安全构成了严重威胁,因此关于Android恶意应用检测的研究具有重要意义。Android恶意应用检测的相关研究工作主要提取应用的语法特征或语义特征,其中利用应用的语义特征判断恶意行为更为可靠,在Android恶意应用检测中起着关键作用。由于提取语义特征的方法通常较为复杂,因此本文定义了一种轻量级语义特征,通过对应用进行静态分析提取其语义特征和语法特征,利用机器学习技术对Android应用进行自动分类从而检测出恶意应用。本文具体工作如下:(1)提出一种计算开销小并且能够有效检测应用安全性的轻量级语义特征:“广义的敏感API”及其触发点方法,强调要关注广义敏感API的触发点是否是UI事件相关的回调方法,以此作为出发点对Android应用进行分类。(2)综合考虑应用的语法特征和语义特征进行Android恶意应用检测研究。本文提取应用实际使用的权限构成语法特征,除了应用代码中API对应的系统权限,本文还为动态代码加载相关的方法以及敏感API之外的Source和Sink方法定义其对应的“近似权限”。(3)通过在24288个样本上进行实验找到了本文方法的最优分类技术——随机森林。实验中对应用进行分析提取出特征向量的平均用时约60秒,可见本文方法计算开销小,多组实验结果证明本文的特征集在Android恶意应用检测方面的有效性。通过分析特征发现正常应用中出现频次多于恶意应用中的特征同样可以用于帮助区分应用。最终本文通过计算特征的信息增益和皮尔森相关系数选择出包含425个特征项的特征集,整体的应用分类正确率为97.9%,恶意应用的检测精度为99.3%。(本文来源于《中国科学技术大学》期刊2018-05-24）
关晶晶[4]（2018）在《形容词性反义词的语义、量级研究》一文中研究指出反义关系作为一种复杂的纵聚合关系,历来受到语言学家、逻辑学家和心理学家的关注,其在语言学上的研究表现为对反义词的研究,因此,形容词性反义词成为近年来语言学界研究的热点话题。经过研究,语言学家在形容词性反义词的定义、分类及其基本特征,即形容词性反义词的层级性和互补性上基本达成了共识。但传统的语义学对形容词性反义词的程度和量级研究只是通过程度副词来体现,而程度副词只是对形容词的程度进行了粗略的划分,并不能准确表达出形容词性反义词本身所蕴含的程度和量级。二十世纪八十年代,西方语言学家(Cresswell1976,Von Stechow 1984,Kennedy 1999,Kennedy&McNally2005,Morzycki2015)掀起了对程度和量级研究的热潮,从而形成了程度语义学理论。程度语义学引入“程度”这一要素,用“程度”来表达等级性,用叁元结构“量级”来测量抽象的程度表达。其中叁元结构“量级”由程度、偏序关系(用≤表示)和一定的维度(如高度、深度、重量)组成。程度语义学能够准确地刻画出形容词性反义词的等级性,通过对形容词的程度分布来研究其量级结构,进而促进对语义的研究。程度语义表达体系为自然语言的模糊性和等级性提供了新的分析视角,有助于学习者对相关现象的语义本质的认识。本文试图将抽象的程度语义学理论与具体的形容词性反义词的模糊性和等级性问题结合起来,从程度语义学的视角来分析形容词性反义词在量级上的程度分布和量级结构,从而进一步探索其语义表达。本文首先介绍传统的语义学对形容词性反义词的等级性所做的研究,基于传统研究来分析形容词的量级特征,探索出形容词的量级特征表现为等级性与连续性、主观性与客观性、确定性与模糊性、静态与动态、定量性与非定量性、一维性与二维性。然后在程度语义学的框架下,用程度和量级的概念来测量形容词性反义词的抽象等级和量级结构。并进一步探索形容词性反义词语义的开放性与封闭性,具体化为底端封闭型、顶端封闭型、两端封闭型以及开放性。因此,可以明确指出形容词语义的最大值或最小值。(本文来源于《湖北大学》期刊2018-03-29）
王雅静[5]（2017）在《“简直”的语义量级标记作用及教学建议》一文中研究指出从清代"索性、干脆"到今天的"简直",以"不迂回地,直接地"为语义基础,以贬义评价为语用促动,语气副词"简直"最终完成其语法化的进程。今天的"简直"句在结构上依然存有清代用法的影子,在语义上则通过标记评价中语义焦点的高点甚至极点地位,否定预期或语境中的已有评价,突出肯定"简直"所引出的评价。通过揭示"简直"对语义量级的限定,可以指导学生正确地使用"简直"。(本文来源于《宁夏大学学报(人文社会科学版)》期刊2017年05期）
靳铭吉,何平[6]（2016）在《低量级程度副词еле,едва,чуть的语义及句法特征》一文中研究指出本文首先区分作为副词使用时еле,едва,чуть的两个义项之间的差异,进而以表达低量级程度意义的еле_2,едва_2,чуть_2为主要研究对象,重点探究3个词语在语义、情态、句法搭配等方面的共性和个性特征。这对于丰富俄语副词的研究理论以及俄语教学实践而言均有着重要的价值和意义。(本文来源于《外语学刊》期刊2016年06期）
田慧霞[7]（2015）在《高量级程度副词的语义和语用特征》一文中研究指出高量级程度副词是确认性程度副词中标示程度高量的一个小类。本文的研究以"叁个平面"的语法理论为指导,从语义和语用角度分析确认性程度副词中高量级程度副词的特点。(本文来源于《鸭绿江(下半月版)》期刊2015年07期）
朱璇[8]（2015）在《句容话程度副词“蛮”的语义特征、分类及量级考察》一文中研究指出程度副词是副词中使用频率较高的一类。在句容话中,程度副词"蛮"的使用频率也较高。本文试图探究"蛮"的不同语义特征并以此为依据,考察它的分类及量级分布。(本文来源于《现代语文(语言研究版)》期刊2015年04期）
辛秀敏[9]（2014）在《语义物联网中轻量级传感器本体映射研究》一文中研究指出语义物联网是物联网的内在矛盾解决办法,将本体的概念引入到物联网中,实现物联网知识的语义化和语义协同是语义物联网的核心内容之一。伴随语义物联网的发展,传感器本体数目正在急剧增加,由于没有统一的本体构建标准,不同专家和领域建立的传感器本体也各不相同,为实现传感器本体间的语义协同,需要对传感器本体进行本体映射。目前,本体大致分为两类：描述性本体和目录性本体。语义物联网中,传感器本体多为轻量级本体,是目录本体的一个重要分支。在实现轻量级传感器本体间的本体映射过程中,考虑到待映射传感器本体的目录组织结构特点,适合利用已有的S-Match本体映射方法。然而,虽然传统的S-Match方法解决了很多的问题,但是该方法本身也存在一定的弊端,如：(1)由于大量调用SAT推理机,语义映射需要耗费大量的时间； (2)背景知识缺乏导致的低查全率。为了克服问题(1),基于缩小映射规模的思想,本文提出了一种基于核心映射集的轻量级传感器本体映射框架CMSB_LSOMF,对S-Match方法进行改进。首先,提出核心映射集和冗余映射集的定义,核心映射集是初始映射集合的一个子集,减少了初始映射集合中的重复映射。然后,计算两个轻量级传感器本体间的核心映射集和冗余映射集。最后,处理映射集中可能存在的冲突映射。为了克服问题(2),CMSB_LSOMF框架利用WordNet充实背景知识,扩充语义信息,获取较好的查全率和查准率。最后,本文采用JAVA语言,利用Jena、Protege工具进行实验,实验证明与原有的S-Match方法相比,通过不断减少映射元素的数目和SAT推理机的调用次数,CMSB LSOMF在时间效率方面具有一定的提高,在查全率和查准率方面有所改进。(本文来源于《大连海事大学》期刊2014-12-01）
吴超[10]（2014）在《轻量级语义Wiki引擎的设计与实现》一文中研究指出维基提供了一种快捷、简单、开放的知识分享方式,广泛应用在知识管理,项目管理,决策分析,文档组织,百科全书等领域,是最流行的万维网应用之一。语义网是结合了理想与现实的新技术,代表未来万维网的发展方向,同时在当下也体现出了巨大应用价值,为我们提供了一个“数据的网络"[1]。语义维基结合维基技术和语义网技术,显着提高了传统维基对信息的表示、获取、处理、存储能力。本文设计并实现的轻量级语义维基引擎是一种知识数据库同时也是一种语义处理基础平台。本文以标记语言翻译技术,W_eb技术和RDF处理技术为基础,采用模块化结构设计,实现了一个具有一定稳定性,可用性,易用性的轻量级语义维基引擎。本文首先广泛介绍了语义网相关技术,维基引擎相关技术,说明了语义网技术相较人工智能对提升万维网价值更具革命性且更实际的原因,维基技术是基于超链接的文档组织系统的又一次重要改进。然后研究了维基引擎设计和万维网技术基础,找到将语义信息嵌入维基页面的可行方法。在此基础上,设计了维基引擎的基本模块化架构,基本语义维基文法和拓展接口。在实现部分描述了词法语法语义分析算法,用户界面设计,测试环境和发布环境的搭建方法,以及语义搜索的实现方法。最后在实际应用场景中对整个轻量级语义维基引擎进行了功能测试。(本文来源于《厦门大学》期刊2014-06-30）
语义量级论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于派生分析的视角来考察现代汉语中弱否定"A是不A"相关格式的语义不对称及主观量级。该格式主要出现在前让步、后转折的句子中,表示一种弱否定,即否定格式中A所表示的性状。文章首先分析该格式构成成分的限制和句法表现,认为A只能是相对于主体而言的不如意情况;其次,探讨格式的语义特征和形成机制,并分析相关格式的不对称现象;再次,从相关格式出发,推导出"A是不A"格式的形成过程及相关变体,并认为这些相关格式变体之间存在不同的标记度和主观量级;最后,简要说明该格式在具体话语中的语用表现和功能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义量级论文参考文献
[1].张普钊,胡燕飞.面向物联网的轻量级语义模型设计[J].数字通信世界.2018
[2].赵博文.弱否定“A是不A”相关格式的语义不对称及主观量级[J].邵阳学院学报(社会科学版).2018
[3].谢念念.基于轻量级语义特征的Android恶意应用静态检测[D].中国科学技术大学.2018
[4].关晶晶.形容词性反义词的语义、量级研究[D].湖北大学.2018
[5].王雅静.“简直”的语义量级标记作用及教学建议[J].宁夏大学学报(人文社会科学版).2017
[6].靳铭吉,何平.低量级程度副词еле,едва,чуть的语义及句法特征[J].外语学刊.2016
[7].田慧霞.高量级程度副词的语义和语用特征[J].鸭绿江(下半月版).2015
[8].朱璇.句容话程度副词“蛮”的语义特征、分类及量级考察[J].现代语文(语言研究版).2015
[9].辛秀敏.语义物联网中轻量级传感器本体映射研究[D].大连海事大学.2014
[10].吴超.轻量级语义Wiki引擎的设计与实现[D].厦门大学.2014
论文知识图
