悲惨的近义词反义词查询

悲惨的近义词反义词查询（精选6篇）

悲惨的近义词反义词查询 第1篇

幸福：个人由于理想的实现或接近而引起的一种内心满足。追幸福

悲惨的造句

1、你是悲惨的，你不是么?

2、大家十分同情他的悲惨遭遇。

3、小姑娘悲惨的遭遇令人同情。

4、我们都知道这个悲惨的故事。

5、我们希望他们和我们一样悲惨。

6、他的悲惨身世，切实催人泪下。

7、悲惨的消息使我们大家很悲伤。

8、最悲惨的故事埋在地板下。毕淑敏

9、勤劳是疾病与悲惨最佳的治疗秘方。

10、她的悲惨经历让很多听众萧然泪下。

11、最大的希望产生于最大的悲惨境遇中。

12、还有不少九死一生和悲惨遇难的故事。

13、她哽咽着诉说她儿子死去的悲惨经过。

14、停止战争，让人们远离悲惨的战乱生活。

15、看到那个悲惨的场面，他吓得魂不附体。

16、高玉宝和他的全家过去过着悲惨的生活。

17、从谢客的辞赋看其复杂而又悲惨的一生。

18、我被大卫的悲惨生活感动得说不出话来。

19、那起悲惨的事件深深地铭刻在我的记忆中。

20、岩穴门一打开，就浮现了一幅悲惨的情形。

悲惨的近义词反义词查询 第2篇

灾难：灾祸造成的苦难：灾难面前不能灰心。灾难

凄惨：凄凉悲惨：凄惨的叫声增加了夜的恐怖|她哭得十分凄凄惨

不幸：①令人悲伤、痛苦、失望的：不幸的消息|不幸的结局不幸

凄凉：①凄惨哀伤：晚景凄凉。 ②凄清冷落：眼前是一派凄凉

祸患：祸事;灾难：消除～。祸患

痛苦：1.身体或精神感到非常难受。 2.使身体或精神痛苦

悲凉：悲哀凄凉：～激越的琴声。悲凉

悲惨造句

1, 停止战争，让人们远离悲惨的战乱生活。

2, 卖火柴的小女孩在大年夜里冻死了，那情景十分悲惨。

3, 看到那个悲惨的场面，他吓得魂不附体。

4, 大家十分同情他的悲惨遭遇。

5, 灾区人民的悲惨遭遇，使我感同身受，仿佛一座大山一直压在我的胸口，让我彻夜难眠。

6, 目睹这一悲惨景象,小王发出一声尖利的呼叫便昏了过去。

7, 即使是铁石心肠的人，听了老王叙述他在旧社会的悲惨遭遇也会落泪。

8, 这位老人无亲无故、贫病交加,最后悲惨地死了。

9, 她滔滔不绝地诉说着悲惨的往事，不禁泪流满面。

10, 小姑娘悲惨的遭遇令人同情。

11, 昔日马革裹尸的悲惨已经不在，幸福生活来临了。

12, 这个故事比莎士比亚的一些作品中的故事还要悲惨得多。

13, 他真是个铁石心肠的人,面对那样悲惨的情景,竟无动于衷。

14, 还有不少九死一生和悲惨遇难的故事。

15, 他又不是木人石心，看到了这种悲惨场面怎麼不会难过呢?

16, 南京大屠杀那血流成河的悲惨场面,令人目不忍睹。

17, 妈妈说，她对旧社会的悲惨生活深感切肤之痛。

18, 只要说起过去的悲惨遭遇，他就会由不得声泪俱下。

19, 他又不是木人石心，看到了这种悲惨场面怎麼不会难过呢?

20, 每逢灾年,这一带的百姓啼饥号寒,景况十分悲惨。

21, 他又不是木人石心，看到了这种悲惨场面怎不会难过呢?

22, 他的悲惨身世,切实催人泪下。

悲惨的近义词反义词查询 第3篇

随着现代信息技术的高速发展以及Internet的日益普及,人们已经生活在海量的信息中。为了使用户能够更快速、高效地找出与其需求相关的信息, 提高传统信息检索系统的性能显得越来越重要。查询扩展方法可以避免检索系统受限于用户指定的查询项,使得其能够在更广泛的意义或概念上检索出与用户需求相关的信息,解决因用词不同而造成的检索效率不高的问题。

1相关知识

1.1信息检索中的同义词

在信息检索领域,同义词的概念并不等同于语言学和日常生活中的同义词,它不考虑感情色彩和语气,主要是指能够相互替换、表达相同或相近概念的词汇。用于信息检索的同义词主要分为四类[1,2]:

(1) 等价词和等义词或词组 即意义完全相等的词,如电脑/计算机、自行车/脚踏车等;

(2) 准同义词和准同义词词组 即意义基本相同的词和词组,如边疆/边境、住房/住宅等。这类词在同义词中占很大的比例;

(3) 某些过于专指的下位词 例如在词表中只使用“球类运动”,而没有在下面列举出“门球”、“毽球”、“网球”等词,这些过于专指的下位词也被看作同义词;

(4) 极少数的反义词 这类词描述相同的主题,但所包含的概念互不相容,如平滑度一粗糙度等。

检索的实践表明,由于自然语言中存在大量的同义词、近义词,用户检索时很难全部列举出表示同一概念的不同词汇,因而在检索时易造成漏检。利用同义词扩展查询,可以解决检索系统的此类漏检问题,提高检索性能。信息检索中识别同义词的义类词典和词汇分类体系资源包括Rogetp′shesaurus、WordNet以及《同义词词林》、《知网》等。本文利用的哈尔滨工业大学信息检索实验室的《同义词词林扩展版》和《知网》进行相关的实验。

1.2词义消歧

词义消歧WSD(Word Sense Disambiguation)是指在特定上下文环境中确定多义词的词义,也就是让计算机能够在特定语言环境下处理和识别多义词的不同词义。

词是理解句子的基本单位。但是由于中文文本是按句连写的,词与词之间没有任何分隔符,因此词义排歧的第一个理论前提就是对句子进行分词处理。 我们以下面两句话为例:

(1) 小牛特别爱感冒;

(2) 小牛特别爱看电视。

我们可以看出第一句话中“爱”的表示“容易、易于”的意思;而第二句话中“爱”表示“喜欢”的意思。词义消歧目的就是区分多义词在每句话中的确切意思,为扩展提供正确的语义。

1.3同义词词林及其扩展版

《同义词词林》原版只提供了三层编码,即大类用大写英文字母表示,中类用小写英文字母表示,小类用二位十进制整数表示。全书一共收录七万多词,全书分12个大类,97个中类,及1400个小类。例如:“Ae 07 农民牧民渔民”,“Ae 07”是编码,“农民牧民渔民”是该类的标题。

哈尔滨工业大学信息检索实验室为了满足现代研究的需要,完成了一部《哈工大信息检索研究室同义词词林扩展版》,新增了第四级和第五级编码,与原有的三级编码合并构成一个完整的编码,每个编码唯一代表词典中的一组词语。例如:

Ba01A02= 物质 质 素

Cb06E09@ 民间

Ba01B10# 导体 半导体 超导体

编码的方法说明:

前三层与《同义词词林》原版相同,第四级用大写英文字母表示,第五级用二位十进制整数表示。由于第五级的分类结果需要特别说明,例如,有的行是同义词,有的行是相关词,有的行只有一个词,可以分出具体的三种情况。在使用上,有时需要对这三种情况进行区别对待,所以有必要再增加标记来分别代表几种情形。具体的标记参见表1。

表中的编码位是按照从左到右的顺序排列。第八位的标记有3 种,分别是“=”、“#”、“@”, “=”代表“相等”、“同义”。末尾的“#”代表“不等”、“同类”,属于相关词语。末尾的“@”代表“自我封闭”、“独立”,它在词典中既没有同义词,也没有相关词[3]。

1.4知网

《知网》是一个以汉语和英语的词语所代表的概念为描述对象,以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库[4]。

《知网》中有两个主要的概念:“概念”与“义原”。

“概念”是对词汇语义的一种描述。每一个词可以表达为几个概念。

“概念”是用一种“知识表示语言”来描述的,这种“知识表示语言”所用的“词汇”叫作“义原”。

“义原”是用于描述一个“概念”的最小意义单位。与一般的语义词典如《同义词词林》或Wordnet不同,《知网》并不是简单地将所有的“概念”归结到一个树状的概念层次体系中,而是试图用一系列的“义原”来对每一个“概念”进行描述。例如“电脑”一词的概念的记录如下:

NO.=21902

W_C=电脑

G_C=N

E_C=

W_E=computer

G_E=N

E_E=

DEF= computer|电脑

其中NO.为概念编号,W_C、G_C、E_C分别是汉语的词语、词性和例子,W_E、G_E、E_E分别是对应的英语词语、词性和例子,DEF是知网对于该概念的定义[1]。

《知网》一共采用了个1617义原,这些义原分为以下几个大类:

1) Event|事件

2) entity|实体

3) attribute|属性值

4) aValue|属性值

5) quantity|数量

6) qValue|数量值

7) SecondaryFeature|次要特征

8) syntax|语法

9) EventRole|动态角色

10) EventFeatures|动态属性

2基于同义词的扩展查询

2.1同义词扩展过程

(1) 首先对问句进行分词与词性标注处理;

(2) 对关键词中的多义词进行词义消歧;

(3) 用同义词词林对多义词进行扩展,获得候选集;

(4) 利用《知网》计算关键词与多义词之间的相似度;

(5) 选择相似度较高的词语作为扩展集。

本文使用的同义词扩展流程如图1所示。

2.2语义相似度计算

词语之间的关系非常复杂,其相似很难用一个具体的数值来进行度量。相似度是一个很复杂的概念,在语义学、哲学和信息理论中被广泛地讨论。在不同的具体应用中,其含义有所不同。例如,在基于实例的机器翻译中,相似度主要用于衡量文本中词语的可替换程度;而在信息检索中,相似度更多的是反映文本与用户查询在意义上的符合程度;在自动问答中,相似度反映的是问题与答案的匹配程度。词义相似度计算研究的是采用何种方法来计算或比较两个词语的相似性。词语相似度计算在自然语言处理、智能检索、文本聚类、文本分类、自动应答、词义消歧和机器翻译等领域都有广泛的应用。

词的语义相似度的计算方法一般分为三种:基于矢量空间的词的相似度计算、基于信息量的词的相似度计算和基于上下文概率分布的词的相似度计算。汉语词的相似度计算方法,都是基于词形、词性以及训练语料的上下文统计信息来进行的。而语义分析仍然是这些计算方法的重点和难点。早期的研究人员提出的一些语义理解模型,如语义网和概念依存理论,在一些小型的原型系统中取得了成功。近年来,一些大规模、可计算的语义知识库,包括WordNet、MindNet、FrameNet等的开发和利用,为进行大规模的真实文本的语义分析和理解提供了有利的支持。度量两个词语关系的一个重要指标是词语的距离。一般而言,词语距离是一个(0,∞)之间的实数。一个词语与其本身的距离为0。词语距离与词语相似度之间有着密切的关系。两个词语的距离越大,其相似度越低;反之,两个词语的距离越小,其相似度越大。二者之间可以建立一种简单的对应关系。这种对应关系需要满足以下几个条件:

(1) 两个词语距离为0时,其相似度为1;

(2) 两个词语距离为无穷大时,其相似度为0;

(3) 两个词语的距离越大,其相似度越小(单调下降)。

对于两个词语w1和w2,记其相似度为Sim(w1,w2),其词语距离为Dis(w1,w2),定义一个满足以上条件的简单的转换关系为:

$Sim(w{}_1,w{}_2)=\frac{a}{Dis(w{}_1,w{}_2)+a}$ (1)

其中a是一个可以变化的参数。在本文中定义a是当相似度为0.5时的词语距离值。在多数情况下,直接计算词语的相似度相对比较困难,所以可以先计算词语的距离,然后再通过上述公式转换成词语的相似度。度量两个词语关系的另一个重要指标是词语的相关性。词语相关性反映的是两个词语互相关联的程度。可以用这两个词语在同一个语境中共现的可能性来衡量。词语相关性也是一个[0,1]之间的实数。词语相关性和词语相似性是两个不同的概念。例如“医生”和“疾病”两个词语,其相似性非常低,而相关性却很高。可以这么认为,词语相似性反映的是词语之间的聚合特点,而词语相关性反映的是词语之间的组合特点[2]。

同时,词语相关性和词语相似性又有着密切的联系。如果两个词语非常相似,那么这两个词语与其他词语的相关性也会非常接近。反之,如果两个词语与其他词语的相关性特点很接近,那么这两个词一般相似程度也很高[5,6]。

词语相似度计算步骤如下:

1) 对于两个汉语词语w和s,假设w有M个义项w1,w2,,wm;s有N个义项s1,s2,,sn;

2) 分别计算w的每个义项与s的每个义项的义项相似度,取义项相似度的最大值作为w和s的语义相似度;

3) 最后选择sj,使得Sim(w, s)=max(Sim(wi, sk))。其中i=1,2,,m,i=1,2,,n。

2.3同义扩展词的选取

基于《Hownet》的词语相似度计算方法充分利用了《Hownet》中对每个概念描述时的语义信息,得到的结果与人们平时所使用语言比较接近,这种方法主要用于基于实例的机器翻译。基于同义词词林的方法比较简单,符合信息检索要求,但这种方法得到的结果比较粗糙.对于具体的查询会出现词语冗余。本文采用《同义词词林》与《知网》相结合的方法,即首先用《同义词词林(扩展版) 》来获取每个初始查询术语的同义词集合, 提供同义词候选集, 然后利用《Hownet》计算待扩展同义词与候选同义词之间的相似度,得到较为精确的数值,从而获得扩展同义词集合。

初始查询中同义扩展词的获得过程如下:

1) 对同义词进行词义消歧,利用《同义词词林(扩展版) 》得到初始查询术语ti的同义词集合为Ti = { ti1,ti2, , tik };

2) 利用《Hownet》计算初始查询术语ti 和集合Ti 中每一个tij 的词语相似度Sim( ti , tij)。相似度大于阈值α的词语作为原查询的同义词,小于阈值α的词语直接删除, (0α1);

3) 从而得到集合T′i = { t′i1,ti2,, t′i c} ,Ti′为选取的术语ti 的同义扩展词的集合。

3实验及其结果

3.1同义词扩展实验

实验中选取材料、精神、方向、健康、可靠、造就、容易等七个高频词进行测试。主要获得高频词扩展后的个数。实验结果如图2所示。

3.2扩展查询实验

本检索实验基于Google搜索引擎,模拟用户初始查询请求和扩展后查询请求提交给Google,实验过程不涉及搜索引擎实现的细节。

实验选取七个高频词汇作为初始查询请求的测试集,分别以同义词词林、知网和本文介绍查询扩展方法得到相应七组扩展词组,最后将扩展查询请求在Google上进行搜索。考虑用户查看搜索结果的习惯,人工统计前50条搜索结果的查准率 (由于涉及到具体的搜索引擎的网页数据库,暂时不统计查全率)。为了说明该查询扩展方法的有效性,将本文提出的方法与其它扩展作比较,结果如图3所示。

4结语

本文提出了一种基于查询的同义词扩展策略。实验结果表明查询准确率有一定的提高,但是仍存在以下问题:(1)词义消歧的准确率会影响同义词选取是否正确,所以如何提高词义消歧准确率;(2)如何根据实际情况对同义词自动地调整阈值大小以达到最佳替换效果。

摘要：随着互联网的发展,人们接触到的信息量越来越大。为了使用户能快速找到所需要的信息,提高传统检索系统的查准率变得很重要。查询扩展方法能在一定程度上提高查准率。以初始查询语句为基础,提出一种基于《同义词词林》和《知网》的同义词扩展模糊查询方法。

关键词：同义词词林,知网,检索系统

参考文献

[1]马晖男,吴江宁,潘东华.一种基于同义词词典的模糊查询扩展方法[J].大连理工大学学报,2007,47(3).

[2]徐建明,白彦霞,吴树芳.基于同义词扩展的贝叶斯网络检索模型[J].计算机应用,2006,26(11).

[3]赵医娟,潘来奇.基于同义词扩展的文本检索改进研究[J].中国教育技术装备,2010(18).

[4]董振东,董强.知网[EB/OL].www.keenage.com.

[5]刘群,李素建.基于《知网》的词汇语义相似度计算[C]//第三届汉语词汇语义学研讨会.2002.

[6]李峰,李芳.中文词语语义相似度计算——基于《知网》2000[J].中文信息学报,2007,21(3).

[7]龚永恩,袁春风,武港山.基于语义的词义消歧算法初探[J].计算机应用研究,2006(3).

悲惨的近义词反义词查询 第4篇

[关键词] 上义词 下义词 回指

一、引言

Taylor (2002)以Langacker (1987, 1991) 的理论为基础提出了纲要-实例(schema-instance)的认知概念,试图重新诠释语义上的上下义关系并且进一步系延伸至其它领域里。他认为,上下义关系(hyponymy)不仅存在于语义单位之间,在音韵单位(phonological units) 和象征单位(symbolic units) 之间也常常存在这样的包含关系,下图为“纲要-实例”示意图(Taylor 2002:125):

根据Taylor(2002)的“纲要-实例”理论,A 为“纲要”,B 和C 为“实例”,A比B和C概括且笼统(schematic) ,而B和C则比A详细且精确;B和C除了具有A的特征,还具有更为详细和准确的信息使A变得清楚明白,因此B和C可以用来更详细地说明和阐释(elaborate)A;B和C具有一定程度的相似性(similarity),因为他们都具有A的特征;A是建立在B和C的共同特性(commonality)上的,也就是说,抽取两个以上实例的共性便能形成一个纲要;“纲要-实例”关系可以向上或向下扩展。换言之,纲要A可以同时成为另一个概念(如甲)的实例,而实例B或C也可以成为其它概念(如乙,丙)的纲要。这些向上或向下的延伸关系可以构成一个垂直阶层(hierarchy)。因此,我们可以将“纲要-实例”关系看作一个较概括抽象的语言单位与另一个更精确具体的语言单位之间的相对关系。这种关系存在于语义单位、音韵单位和象征单位间。

上义词(hyperonym/superordinate)和下义词(hyponym/subordinate)是指两个词语在语义上具有包含和被包含的关系(Cruse 1986:87-88),二者是具有种属关系的一组词。上义词是指意义较为概括的词,它们的词义包括了下义词的词义。例如,flower(花)是rose(玫瑰)、peony(牡丹)、jasmine(茉莉)、tulip(郁金香)、violet(紫罗兰)、carnation(康乃馨)的上义词,desk(书桌),bed(床)、chair(椅子)是furniture(家具)的下义词。换句话说,上下义关系是一种类和成员的关系。

回指是语篇中很常见的现象,指的是语篇中的某个词和先前出现过的词在语义层面上具有共指(co-reference)的关系。而语篇中的上下义词就形成回指关系。

二、“上义词-下义词”回指的语篇功能

根据Taylor的“纲要-实例”理论,我们可以将上义词与下义词之间的上下义关系(hyponymy)理解为“纲要-实例”关系(schema-instance relation) 。由此,上义词便可以理解为“纲要”,下义词可以理解为“实例”,即上义词具有“纲要”的特性而下义词则具有“实例”的特性。根据Taylor的“纲要-实例”理论,“实例”的作用是用更加准确具体的例子来详细说明较为概括笼统的“纲要”,使之变得更加清楚明白。据此,从语篇的角度来看,“上义词-下义词”这种回指型态的主要功能便是用后来出现的下义词来说明、解释前面的上义词,或是支持、证明前面的论点。笔者将以数则语篇来阐述这个观点(本文的语料均来自《中国自助游》2009版)。

(1)野生动物园距市中心7公里,地处金殿公园之中,和世博园隔水相望。入口处有圈养的云南珍稀动物大象、猿、虎、豹等,而天鹅、孔雀、非洲羚羊、长颈鹿等动物则散养在园内,需坐电瓶车才能参观。

在例(1)中,动物是上义词,下义词是大象、猿、虎、豹、天鹅、孔雀、非洲羚羊和长颈鹿。从上下文来看,这里使用下义词的目的是要将前面的较为概括的“珍稀动物”作更进一步详细的说明,即要告诉读者野生动物园内到底有哪些动物,让读者对野生动物园有更深刻的印象。

(2)热带水果芒果、荔枝、龙眼、菠萝、柚子、波罗蜜、西番莲、杨桃、木瓜、番石榴,品种极多,但只宜在当地消费,不便带走。

在例(2)中,热带水果是上义词,芒果、荔枝、龙眼、菠萝、柚子、波罗蜜、西番莲、杨桃、木瓜、番石榴其下义词。很显然,作者在这里举出这么多热带水果的下义词的目的是进一步精确说明热带水果,用较明确、具体的下义词来说明原本较为模糊、笼统的上义概念(热带水果),使读者能够很迅速、清楚地了解所谓的热带水果在实际生活中指的是哪些水果,同时还加强了语篇的效果,让读者在心中产生较深刻的印象。

(3)在这里,可以看到有明显各个年代标志的老房子。最古老的吊脚楼、捆绑房,上世纪五六十年代的竹篾抹灰墙房子和六七十年代的前苏联风格的砖瓦房,仿佛重庆的历史建筑展览。

在例(3)中,作者用下义词吊脚楼、捆绑房、竹篾抹灰墙房子和砖瓦房来准确说明重庆有哪些有明显各个年代标志的老房子,同时也证实了重庆确实有许多这样的房子。此外,由于下义词除了继承上义词的特征外还增添了属于各自本身的特征。因此,下义词提供了比上义词更多的信息,这点可以从本文中的竹篾抹灰墙房子和砖瓦房这两者看出来。也就是说,竹篾抹灰墙房子和砖瓦房不但本身即有老房子的意义,还告诉了读者建造房子的材料。因此,“上义词-下义词”回指型态在语篇中除了具有说明和解释等功能外,还提供了新的信息。

作者以3个例句来说明“上义词-下义词”这种回指型态在语篇中的功能。根据“纲要-实例”理论,“实例”的作用是以较精确的概念来让“纲要”变得更加清楚,即增添更多细节来进一步阐释“纲要”。从语篇分布情形来看,“上义词-下义词”这种分部型态主要是出现在解释、说明的语境中,并大多以举例的方式出现。因而,“上义词-下义词”这种回指型态在篇章中的主要功能是以具体、精确的例子来解释、说明上义词,并且加强了语篇的整体效果,还向读者提供了更多新的信息。

三、“下义词-上义词”回指的语篇功能

根据Taylor (2002)的“纲要-实例”理论,一个“纲要”至少含有两个以上的“实例”,抽取两个以上“实例”的共同性(commonality) 便会形成一个“纲要”。同样,一个上义词至少含有两个以上的下义词,抽取两个以上的下义词的共同性便会形成一个上义词。笔者由此认为上义词具有概括下义词的共性的功能,因此语篇中“下义词-上义词”这种回指型态在语篇中具有概括和总结的作用。下面,作者将以数则语篇来说明这个观点。

(4)如果运气好的话,可以碰到藏民沿街向店铺兜售他们所采的红景天、雪莲花、冬虫夏草、雪茶、雪芝等药材,价格便宜的超乎想象,而且都是真品。

例(4)中,我们可以看到作者用药材这个上义概念来概括之前出现的红景天、雪莲花、冬虫夏草、雪茶、雪芝。此外,上义词“药材”事实上在这里也具有归纳前方所有下义词的功能,也就是说药材归纳了红景天、雪莲花、冬虫夏草、雪茶、雪芝的共同特性:都具有药用价值,同时将红景天、雪莲花、冬虫夏草、雪茶、雪芝归入药材的范畴。

(5)尼汝村位于“三江并流”腹地,这个只有108户,650人的藏族村落却拥有108户,650人的藏族村落却拥有高山峡谷、冰川雪峰、高原湿地、森林草甸、冰蚀湖泊等丰富的地质地貌,人们不吝以“香格里拉最后的秘境”来赞誉这块除了沙漠和海洋,几乎汇聚了北半球各类自然景观的生态伊甸园。

在例(5)中,作者使用了一个较为笼统的上义概念“地质地貌”来概括、总结了之前的5个下义词:高山峡谷、冰川雪峰、高原湿地、森林草甸和冰蚀湖泊。

(6)福州温泉水温在46℃～60℃之间,含有硫、钙、镁、铁、氟、氯、氡、钠等几十种有益于人体的矿物质。

在例(6)中,上义词“矿物质”概括了前面的硫、钙、镁、铁、氟、氯、氡、钠等下义词,同时告诉读者硫、钙、镁、铁、氟、氯、氡、钠等皆是对人体有益的矿物质的一种。

作者以3个例句来说明“下义词-上义词”这种回指型态在语篇中的功能。从语篇分布情形来看,这种回指则主要出现在概括和总结前面多个下义概念时。由于这种回指形态下义词出现在先,上义词出现在后,因此会较少出现新的信息。

四、小结

本文作者以Taylor (2002) 的“纲要-实例”为基础并通过实际语篇,主要探讨了“上义词-下义词”与“下义词-上义词”回指型态的语篇功能,并且将这两种回指型态进行比较。从语篇分布情形来看,“上义词-下义词”这种回指型态主要是出现在解释、说明的语境中,并大多以举例的方式出现。而“下义词-上义词”这种回指则主要出现在概括和总结前面多个下义概念的语境中。从功能上看,作者认为“上义词-下义词”这种回指的语篇功能是用较准确的下义词来进一步说明,解释之前较为笼统的上义词,并且支持了作者之前所陈述的观点。而“下义词-上义词”这种回指的语篇功能则是概括和总结,同时也起到归类的作用。最后,从新信息的出现来看,由于上义词是概括其下义词的共性而形成的,因此,上义词所携带的信息量会比下义词少,所以“上义词-下义词”这种语篇回指型态由于上义词出现在先,下义词出现在后,因而会向读者提供更多新的信息。而“下义词-上义词“这种语篇回指由于下义词出现在先,上义词出现在后,因此会较少出现新的信息。另外,笔者在搜集语料时发现,旅游手册中用到上下义词的频率较高,这是因为旅游手册是旅游业用以吸引游客的重要营销工具之一,为了向读者详细介绍各地的景点、美食以及文化并给读者留下深刻印象,用上下义词回指是一种简洁而有效的方法。

参考文献:

[1]Cruse, D. A. Lexical Semantics [M]. Cambridge:Cambridge University Press,1986.

[2]Gregory, Howard. Semantics [M]. New York:Routledge,2000.

[3]Taylor, John. Cognitive Grammar [M]. New York:Oxford,2002.

[4]胡状麟.语篇的衔接和连贯[M].上海:上海外语教育出版社,1992.

[5]黄国文.语篇分析概要[M].长沙:湖南教育出版社,1997.

[6]刘街生.现代汉语同位组构研究[M].武汉:华中师范大学出版社,2004.

悲惨的近义词解析 第5篇

【近义词】：不幸、凄凉、凄惨、悲凉、

1、希望在任何情况是都是必需的，如果没有希望的安慰，贫困、疾病、囚禁的悲惨境遇就会不能忍受。

2、我们的父亲见没有童子，他就必死。这便是我们使你仆人我们的父亲白发苍苍，悲悲惨惨地下阴间去了。

4、他相信，他们每个人背后都有一个悲惨的故事。

5、南京大屠杀那血流成河的悲惨场面，令人目不忍睹。

6、每逢灾年，这一带的百姓啼饥号寒，景况十分悲惨。

7、她一生下来，就被烙上了奴隶和黑人的印记，由于出生地的缘故，她幼年大部分时间都是在黑暗与悲惨的日子里成熟长大的。

8、如果没有遇到你，我的世界会是多么的灰暗;如果没有爱上你，我的生活会是多么的悲惨。是你给了我光明和希望，为了报答你，我决定一辈子守护你!

9、由于人无法挽救死亡、悲惨和无知，因此，为了使自己高兴，总设法不去思考那些事。

10、我们希望他们和我们一样悲惨。

11、我已经和公司打成一片。它以我为生，我也和它生活在一起，日夜形影不离;它是我的情人。我害怕失去它也担心做失败，并尽量避免失误。这是一种悲惨的生活。

12、犹太人担心生存空间;他们的悲惨历史迫使他们这样做。

14、不要向诱惑屈服，而浪费时间去阅读别人悲惨的详细新闻。

15、从这些悲惨的事件中，我们能够得到什么教训呢?

16、无论什么时候，不要失去对生活的`信心，不要让别人摧毁你的信心，那些失去了生活信心的人，比得了乙肝的人更悲惨。

17、那些伊朗人为这个如此悲惨的幻想付出了沉重代价。他们的祖国现在七零八落地分布在从加利福尼亚到澳大利亚的一片地区。

18、正如我前面所说的，事件的这种转变是悲惨的。

19、希望在任何情况中都是必需的，如果没有希望的安慰，贫困、疾病、囚禁的悲惨境遇就会变得不能忍受。

悲惨词语的有关近义词 第6篇

亦作“ 悲憯 ”。悲苦凄惨。 三国 魏明帝 《长歌行》：“徒然喟有和，悲惨伤人情。” 北齐 颜之推 《颜氏家训·风操》：“《礼》云‘忌日不乐’，正以感慕罔极，惻愴无聊，故不接外宾，不理众务耳。必能悲惨自居，何限於深藏也。”清 和邦额 《夜谭随录·青衣女鬼》：“见妇方络丝檐下，顰眉泪睫，颜色悲惨。” 峻青 《海啸》第四章：“看到这幅悲惨的情景， 老宫 的两道浓眉，紧紧地皱在了一起。”