现代汉语情感词释义因子与图式释义研究
【学位授予单位】:鲁东大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:H136
【图文】:
鲁东大学硕士学位论文员。所以如 Taylor(1989:59)所讲,原型可以理解为范畴概念征,但实例性样本不能叫作“原型”,它仅是例示了原型。图式理论用一个更为抽象的认知模型,很好地照顾到了范畴内成着重体现的是成员间的共性和关联,模糊掉了其他成员与原型实体因这个差异而将外围成员排除在外,因而它可以涵盖原型及所有的成员。章宜华根据 Langacker(1987:371)的观点,将图式范畴的三、示例、示例与原型的感知相似性)之间的关系用图表示了出来:
图 3 “愤怒”的主要范畴网络图式片段(注:由于图幅范围有限,图中展示的只是“愤怒”范畴网络图式的一小部分,因此并未显示全每层的原型)在“愤怒”的范畴网络图式中,第一层即“愤怒”图式 A 的原型为“愤怒”,“生气”“怒”等都是以“愤怒”为原型的示例,它们同时具有“愤怒”范畴的关联特征和各自的范畴特征;第二层即“愤怒”图式 B,是在“愤怒”图式 A 的基础上,加入了程度因子等基础认知域的释义因子,分别产生了一系列的愤怒类情感词;第三层即“愤怒”图式 C,是在“愤怒”图式 B 的基础上加入了复杂认知域的释义因子或更多的基础认知域的释义因子,产生了义项更丰富一级的愤怒类情感词,它们同时具有其上一层图式的关联特征和各自的形象、情景特征。5.4.2.2 “愤怒”范畴的图式释义分析下面我们结合释义因子和因子配列式来详细分析图 4 中涉及到的“愤怒”范畴的图式释义.图 4 中出现的情感词,在词典中的释义分别是:(划线部分为该范
图 4 “惊讶”的主要范畴网络图式片段在“惊讶”的范畴网络图式中,第一层即“惊讶”图式 A 的原型为“惊讶”,“奇怪”“吃惊”“诧异”等都是以“惊讶”为原型的示例,它们同时具有“惊讶”范畴的关联特征和各自的范畴特征;第二层列举的是吃惊图式 B,是在“惊讶”图式 A 中示例“吃惊”的基础上,加入了形象状态因子、程度因子等基础认知域的释义因子,分别产生了一系列的惊讶类情感词它们同时具有其上一层图式的关联特征和各自的形象、程度特征。5.4.3.2 “惊讶”范畴的图式释义分析以上的情感词,在词典中的释义分别是:(划线部分为该范畴因子中的高频释义词)第一层:【惊讶】形感到很奇怪、惊异。【奇怪】②形出乎意料,难以理解。
【相似文献】
相关期刊论文 前10条
1 孔好文;;音乐对情感词加工的情感意义双启动效应[J];北方音乐;2014年10期
2 郭丹丹;金雅声;丁燕兵;德格吉呼;;情感词信息加工的脑神经认知机制研究[J];西北民族大学学报(自然科学版);2015年03期
3 刘德喜;;情感词扩展对微博情感分类性能影响的实验分析[J];小型微型计算机系统;2016年05期
4 杜嘉忠;徐健;刘颖;;网络商品评论的特征 情感词本体构建与情感分析方法研究[J];现代图书情报技术;2014年05期
5 蔡黎曼;黄平;莫雷;黄虹;黄汉华;李悠;;音乐对情感词加工的情感/意义双启动效应[J];心理科学;2013年03期
6 孙艳;周学广;付伟;;基于依存关联分析的情感词扩展[J];北京邮电大学学报;2012年05期
7 张清亮;徐健;;网络情感词自动识别方法研究[J];现代图书情报技术;2011年10期
8 陈鑫;王素格;廖健;;基于词语相关度的微博新情感词自动识别[J];计算机应用;2016年02期
9 李勇敢;周学广;孙艳;张焕国;;结合依存关联分析和规则统计分析的情感词库构建方法[J];武汉大学学报(理学版);2013年05期
10 钟敏娟;万常选;刘德喜;;基于关联规则挖掘和极性分析的商品评论情感词典构建[J];情报学报;2016年05期
相关会议论文 前10条
1 孙慧;关毅;董喜双;;中文情感词倾向消歧[A];第六届全国信息检索学术会议论文集[C];2010年
2 刘萍萍;张震;陆勤;韩布新;;2061个四字情感词库:基于青年人和老年人的评价[A];第二十一届全国心理学学术会议摘要集[C];2018年
3 陈奇哲;刘全升;姚天f ;;汉语意见型语句主题与情感关系抽取的研究[A];第五届全国信息检索学术会议论文集[C];2009年
4 刘鸿宇;赵妍妍;秦兵;刘挺;;评价对象抽取及其倾向性分析[A];中国计算机语言学研究前沿进展(2007-2009)[C];2009年
5 葛正荣;李婷玉;姚天f ;;汉语情感问题类型分类研究[A];第五届全国青年计算语言学研讨会论文集[C];2010年
6 陈瑞涵;张庆林;;无意识目标追求的发生机制初探[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年
7 曹建平;曾柯;王晖;程佳军;乔凤才;;基于Web的交通情感分析方法和应用[A];2013第一届中国指挥控制大会论文集[C];2013年
8 张军;于浩;内野宽治;;UGC中产品评论信息的挖掘[A];内容计算的研究与应用前沿——第九届全国计算语言学学术会议论文集[C];2007年
9 李先斌;袁平波;俞能海;;基于局部最优的情感标签图像自动标注算法[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
10 杨源;马云龙;林鸿飞;;基于权重标准化SimRank与半监督学习的产品属性归类[A];中国计算语言学研究前沿进展(2009-2011)[C];2011年
相关博士学位论文 前10条
1 江腾蛟;基于句法和语义挖掘的Web金融评论情感分析[D];江西财经大学;2015年
2 杨玉珍;基于Web评论信息的倾向性分析关键技术研究[D];山东师范大学;2014年
3 彭云;提取商品特征和情感词的语义约束LDA模型研究[D];江西财经大学;2016年
4 李荣军;中文商品评论倾向性分析研究[D];北京邮电大学;2011年
5 纪雪梅;特定事件情境下中文微博用户情感挖掘与传播研究[D];南开大学;2014年
6 黄胜;Web评论文本的细粒度意见挖掘技术研究[D];北京理工大学;2014年
7 李方涛;基于产品评论的情感分析研究[D];清华大学;2011年
8 李岩;文本情感分析中关键问题的研究[D];北京邮电大学;2014年
9 孙春华;情感表达对在线评论有用性感知的影响研究[D];合肥工业大学;2012年
10 寇广增;基于意见挖掘通用框架的情感极性强度模糊性研究[D];武汉大学;2010年
相关硕士学位论文 前10条
1 潘莹;基于电商评论的情感分析方法研究[D];长江大学;2019年
2 王梦甜;现代汉语情感词释义因子与图式释义研究[D];鲁东大学;2019年
3 熊根;基于深度语义信息的文本情感分析及应用研究[D];武汉理工大学;2018年
4 李艺伟;基于深度学习的要素级情感分析算法研究[D];北京邮电大学;2019年
5 李岩彪;基于主题的文本细粒度情感分析与应用[D];北京邮电大学;2019年
6 张阳;一种基于时间窗口的舆情异动量化模型[D];吉林大学;2018年
7 王长志;面向网络文本的话题追踪及倾向性分析技术研究[D];中央民族大学;2018年
8 雍若兰;基于迁移学习的中文短文本情绪分析[D];华东师范大学;2018年
9 韩彤晖;基于特征重构的文本情感分析关键技术研究[D];山东建筑大学;2018年
10 张文哲;基于监督学习的情感词向量生成的研究与应用[D];南京大学;2018年
本文编号:2758372
本文链接:https://www.wllwen.com/wenyilunwen/yuyanyishu/2758372.html