学位论文 > 优秀研究生学位论文题录展示

基于模糊神经网络构建英语情态动词can的语义推理模型

作　者: 张丽娜
导　师: 于建平
学　校: 燕山大学
专　业: 外国语言学及应用语言学
关键词: 模糊语义推理自适应性模糊神经推理系统情态动词can 隶属度语料库
分类号: H313
类　型: 硕士论文
年　份: 2010年
下　载: 51次
引　用: 0次
阅　读: 论文下载

内容摘要

模糊性是人类语言的本质属性之一,体现于社会生活的各个方面。自1965年美国控制学专家扎德首先提出模糊集合论之后,各个领域便兴起了以数学方法对模糊现象进行的研究。模糊语言学将模糊集合论应用于语言研究。上世纪七十年代起,国外开始了对语言模糊现象的研究,在中国伍铁平先生首次引入了模糊语言学。模糊语言学是一门交叉学科,需要与诸如数学,计算机,认知等邻近学科进行更为紧密的融合。目前,模糊语言学在语义、语法的层面上已经有了大量系统且有深度的分析与研究,但把模糊集合理论与现代计算机技术相结合进行模糊语义推理的研究,至今很少发现。情态表达说话人的一种态度和心理表征,因而语义往往是模糊的。其中,渐变是情态模糊语义的一个重要特征。本研究将情态动词can的语义渐变量化为隶属度,并挑选出可能影响其语义渐变的一组语义及句法特征,采用自适应性模糊神经网络,旨在建立一个高精度的模糊语义推理模型。为了量化各个语言特征,本研究采用Wconcord软件对所需信息变量进行统计并计算相关互信息,然后利用ANFIS工具箱建立模型并选出最优模型。实验结果得出了影响情态动词can词义的句法及语义特征排序。这一排序结果对英语情态动词can的语义学研究,对英语学习者更好地理解情态动词的模糊语义渐变及其影响因素都有着重要的参考价值。同时,对can模糊语义推理的成功建模不但实现了情态动词模糊语义的计算机推理,将语言学家从费时费力的语料库研究工作中解放出来,而且对促进人机有效交流有着深远的理论和实践指导意义。

全文目录

摘要  5-6
Abstract  6-11
Abbreviations  11-12
List of Tables  12-13
List of Figures  13-14
Chapter 1 Introduction  14-21
  1.1 Background of this study  14-16
  1.2 Objectives of the present study  16
  1.3 Rationale of the study  16-19
    1.3.1 Fuzzy set theory  16-18
    1.3.2 Fuzzy logic theory  18-19
  1.4 Outline of the present study  19-21
Chapter 2 Literature Review  21-34
  2.1 A review of language fuzziness  21-25
    2.1.1 Studies abroad  21-24
    2.1.2 Studies in China  24-25
  2.2 Applications of fuzzy theory in word sense inference  25-28
    2.2.1 Studies abroad  25-26
    2.2.2 Studies at home  26-28
  2.3 A review of researches on fuzziness of modality  28-33
    2.3.1 The monosemy view  28-30
    2.3.2 The polysemy view  30-31
    2.3.3 Fuzzy-set view  31-33
  2.4 Summary  33-34
Chapter 3 Methodology and Data Collection  34-37
  3.1 Research method  34-35
  3.2 Data collection  35-37
Chapter 4 Sense Categorization of Modal Can  37-45
  4.1 Typology of semantic fuzziness of English modals  37-39
  4.2 Why is can  39-41
  4.3 Sense Categorization of English modal verb can  41-44
    4.3.1 Fuzzy set diagram of can  41-42
    4.3.2 The gradient of inherency  42-43
    4.3.3 The gradient of restriction  43-44
  4.4 Summary  44-45
Chapter 5 Construction of the Fuzzy Inference Model  45-74
  5.1 Foundations of fuzzy logic  45-49
    5.1.1 Fuzzy sets  46
    5.1.2 Membership functions  46-47
    5.1.3 Logical operations  47-48
    5.1.4 If-then rules  48-49
  5.2 Fuzzy inference system  49-50
  5.3 The definition and five-layer structure of ANFIS  50-53
  5.4 The algorithms and data sets of ANFIS  53-54
  5.5 General description of construction of ANFIS model  54-55
  5.6 Construction of a sense-tagged corpus of can  55-59
    5.6.1 Construction of a raw corpus  56
    5.6.2 Construction of training set and validation sets  56-57
    5.6.3 Manual tagging corpus  57-59
  5.7 Data mining  59-66
    5.7.1 Extraction of features from context  60-61
    5.7.2 The vectorization of the input language information  61-62
    5.7.3 The calculation of the degrees of membership as output  62-66
  5.8 Construction of the fuzzy sense inference model of can  66-73
    5.8.1 Modeling for the gradient of inherency  68-71
    5.8.2 Modeling for the gradient of restriction  71-73
  5.9 Summary  73-74
Chapter 6 Further Experiments and Discussion  74-78
  6.1 Further experiments  74-76
  6.2 Discussion  76-78
Chapter 7 Conclusion  78-81
References  81-88
Appendix I  88-91
Appendix Ⅱ  91-93
Appendix Ⅲ  93-95
Appendix Ⅳ  95-97
Acknowledgements  97-98
作者简介  98

基于模糊神经网络构建英语情态动词can的语义推理模型

内容摘要

全文目录

相似论文