词汇分类范文

词汇分类范文（精选7篇）

词汇分类 第1篇

关键词：词汇知识分类,宏观,微观

对词汇知识种类的研究可追溯到1976年，Jack Richards首先提出了这个概念。随后出现了有两种描述词汇知识的方法。一是全面描述词汇所有方面的多个独立特征，另一种是只描述一个或两个方面。前者在本质上是微观的，因为其理论以仔细的课堂观察为基础并以服务课堂教学为目的。Richards (1976)和Nation (1990)是其中的代表。他们将词汇知识定义为相互关联的次一级知识的总和包括书面语和口语，例如形态学知识、词义知识、搭配和语法知识、隐含和联想知识，以及来自社会的或是能被观察到的约束词汇使用的知识。另一种方法在本质上是宏观的，学者们用二分法将词汇知识分类或是将词汇知识解释为有着不同知识层次的统一体。具体来说，这一学派的学者或是将词汇知识分为两类，例如接受性和产出性或深度和宽度，或是将词汇知识理解为词汇使用过程中的不同阶段，从非常熟悉到能正确地自由使用词汇(Palmberg, 1987)。

1.微观分法

Richards提出的问题：“认识一个词意味着什么”看似简单，实际上却是他整篇论文的核心所在。在这篇论文中，他首度罗列出完全掌握一个词的八个现象(或假设)。尽管Richards的著作写于30多年前，但他的词汇知识框架至今仍被认为是“词汇知识的表征”。Richards之所以这样做是为了找出当时的观念和研究对实际课堂教与学的影响，因此他的观点具有实际意义。这八个现象(或假设)包括：

(1)本族语者在成年期时，他们的词汇还在增长，而其句法知识在青春期就基本完成。

(2)认识一个词意味着知道一个词在口语或书面语中是否常用，及很多词的常用搭配。

(3)认识一个词意味着知道这个词所使用的语域范围。

(4)认识一个词意味着知道一个词的句法行为。

(5)认识一个词意味着知道一个词的词根和它的派生词。

(6)认识一个词意味着知道在一种语言中一个词和其他词的联想关系。

(7)认识一个词意味着知道一个词的语义值。

(8)认识一个词意味着也知道一个多义词的多种意思。

从中可以看出第一个现象说明成年学习者的词汇会逐年增长，而其句法相对而言几乎没有发展。另一方面，其他七个现象分别从词频、适当性、同义词、句法结构、语法功能这几方面阐述何为认识了一个词。因此这八个现象也是对词汇知识的分类。Richards的八个现象或(假设)为词汇习得和使用构建了框架，并挑战了传统认为的认识一个词就是知道它的词形和词义的观点。

随后的研究者借鉴了Richards的理论，并提出了自己的词汇知识框架。Nation (1990, p.31)就是其中的代表。他将词汇知识分为4个层面：形式、位置、功能、意义，以及八个类型：口语形式、书写形式、语法功能、搭配、使用频率、得体性、概念意义、词间联想。显然Nation的分类比Richards更加全面与完善，一方面，他增加了词的口语形式，另一方面，他更加系统地解释了怎样才算是认识一个词。Nation的研究价值体现在他把复杂的词汇习得行为分解为易于分析的几个组成部分。

Nation的词汇知识框架因其权威性和全面性受到广大学者的认同，但它并不是完美的。其他学者根据自己的研究目的提出了不同的词汇知识框架。

2.宏观分法

如前文所说越来越多的研究者认同词汇知识是一个多维度的结构。其中有些人认为词汇知识至少由两个维度构成即词汇的深度和广度(Wesche&Paribakht, 1996)，或者接受性词汇知识与产出性词汇(Henriksen, 1996)。

一般说来词汇广度指学习者掌握了基本词义的词汇总量。词汇深度指学习者在多大程度上掌握了一个词(Qian, 2004)。Qian (1998)将词义、音域、频率、句法特征及搭配假定为词汇深度的主要成分。词汇广度知识有关词汇的量并与学习者需要掌握多少词汇这样的问题紧密相关，因此它也被称为“词汇量”。二语学习者非常熟悉这个概念，在语言学习过程中，扩大词汇量通常是学习者最主要的目标之一。也正因为这样，关注词汇广度的研究越来越多。但是学好一个词还需要学习者掌握词汇的“质”，因此近来更多的研究者对词汇的“质”即词汇深度产生兴趣。

接受性和产出性是另一种词汇知识维度。接受性词汇知识指在读和听时需要使用的知识。使用接受性词汇知识意味着学习者能够理解接受到的语言信息。产出性词汇知识指进行口头和书面表达时需要使用的知识。使用产出性词汇知识意味着学习者能够全面掌握已学过的词。一般就词汇习得而言，产出性词汇大于接受性词汇。产出性词汇知识与接受性词汇知识看上去似乎很容易区分，但事实并非如此。Read (2000)认为人们无法就接受性词汇和产出性词汇的区别达成一致，导致在比较这两者时产生混淆。因此，正如Melka (1997)所强调的那样，我们需要明确定义接受性与产出性。

虽然很多研究者接受了接受性和产出性维度，但是他们并不能厘清这两者的区别。或许因为这样，研究者们更愿意采用深度和广度词汇知识框架。但是在这样的框架内，学习者并不能得到有效的帮助。也就是说，如果学习者的词汇量很大并且也掌握了词的各种词义，但他不能在写和说的时候合理应用词汇知识，那么他不能被称为高水平学习者。从这个角度讲，采用深度和广度框架缺乏实际意义。

产出性和接受性两个术语在教学和心理等领域应用广泛(Waring, 1999)。早在19世纪，接受性和产出性的概念就在词汇研究中应用。1920年在心理学领域出现了“回忆”和“识别”两个同源术语。它们被认为是“接受”和“产出”的前身。

研究者在大部分的著作中为了方便各自的研究才着手区分接受性和产出性词汇知识(Melka, 1997)。20世纪20年代初，“被动”和“主动”两术语逐渐被用来区分和描述这两种词汇知识。Meara (1990)就是其中的代表，他认为只有出现适当的外部刺激，学习者才能获取被动词项。从这个意义上说，主动词汇和被动词汇存在“质”的区别。其他语言学家也持有相同的观点。例如，Clark (1993:245-51)认为无论是成人还是孩子其产出性词汇总是小于接受性词汇。而且接受性词汇的数量是产出性词汇的两倍。然而，另一些语言学家则从其他角度区分接受性和产出性词汇知识。Waring (1999)提出可以从过程、能力、技能和结果四个角度来评价接受性和产出性词汇知识。他认为“接受”和“产出”在很大程度上是对词汇识别、回忆、理解时潜意识的心理过程。

围绕着接受性和产出性词汇知识，另一些研究者认为不论学习者在初学阶段接受性和产出性词汇知识的差距有多大，随着他们产出性词汇知识的增加，两者的差距都会逐步减小。Morgan和Oberdeck (1930:213)从实验中得出结论接受性词汇知识起初增长很快但产出性词汇知识也会增加。

由上文可见，学术界不仅对于接受性和产出性两种词汇知识的区别存在差异，而且连这两术语的定义也众说纷纭。尽管如此，Melka (1997:85)仍提出用更加现实的概念“熟悉度”来阐述接受性和产出性两种词汇间的差异。也就是说，将对词汇的熟悉程度看成测量词汇的概念度量，即高熟悉度的词汇知识为产出性词汇知识，而低熟悉度的词汇知识则是接受性词汇知识。无论在“一语”还是“二语”，“高熟悉度”意味着学习者不仅知道多义词的各种词义，还了解各种搭配与习惯用语(Nagy, 1999)。

面对众多说法，Melka (1997)提出虽然学者们普遍坚持接受性和产出性词汇的“两分法”，学术界也充斥着各种对它们的判断，但是想准确定义“接受”和“产出”几乎是不可能的。此外，如果语言学家认为“接受”和“产出”是一个“非此即彼”的问题，那么他们就可能犯错。显然Melka从一个新的视角对词汇知识进行分类，她认为“接受”和“产出”之间没有严格的分界并强调词汇学习是一个非两分法的“连续体”。这个概念表明词汇习得是一个递增的过程，学习者在这期间只掌握了部分词汇知识而缺失诸如搭配等方面的知识。一些当代的语言学家借鉴了Melka的观点(Henriksen, 1999;Webb, 2005)。但是Melka所提及的“熟悉度”或者“知识连续体”的概念因为很难再实证研究定标准被认为缺乏实际操作价值。

雅思分类词汇：家畜词汇 第2篇

horse马

stallion雄马

mare雌马

foal,colt,filly幼马

gelding阉割的马

donkey,ass驴

donkey雄驴

jennyass雌驴

hinny驴骡

mule马骡

cattle牛

bull,ox雄牛

cow雌牛

calf(pl.calves)年幼的牛

herd牛的统称

waterbuffalo水牛

yak牦牛

sheep绵羊

ram雄绵羊

ewe雌绵羊

lamb年幼的绵羊

flock绵羊的统称

mutton羊肉

goat山羊

billy雄山羊

nanny雌山羊

kid年幼的山羊

pig猪

boar雄猪

sow雌猪

piglet,shoat年幼的猪

herd猪的统称

dog狗

dog雄狗

bitch雌狗

puy年幼的狗

rabbit兔

buck公兔

goose鹅

gander雄鹅

goose雌鹅

gosling幼鹅

gaggle鹅的统称

chicken鸡

cock,rooster公鸡

hen母鸡

chick小鸡

brood鸡的统称

duck鸭

turkey火鸡

tom雄火鸡

poult小火鸡

cat猫

tomcat雄猫

catta雌猫

词汇分类 第3篇

俸 洁

（华南师范大学，广东 广州 510006）

【摘要】流行语，是指在一定时间与空间以及一定的主客体中流行的词语。网络流行词作为流行词汇中一部分，在互联网高度普及的今天显得更加有研究的价值。而网络流行词汇主要又有缩略词、谐音词、分合音节词、会意词、象声词、字母缩写词、移用词七大类，通过研究这七类网络词汇的现状、影响及发展趋势，能够让我们更好地了解网络流行词汇。本文选取了网络词汇中谐音词为此次研究的重点，主要分析谐音词在网络流行词汇中的分类、成因与影响。

【关键词】谐音词；网络流行词汇；分类；成因；影响

【中图分类号】G653 【文献标识码】A

一、研究背景

流行语，即在一定的时间与空间以及使用词语的主客体中流行的一类词语，对流行词汇的研究一直是词汇学研究的重要分支。流行词在当代汉语中有着地域流行词、方言流行词、网络流行词等表现形式。其中，由于近年来互联网在中国迅速普及，网络作为一种新潮的传播媒介，是一个在生活和规则上都相对自由开放的空间，它明显地影响着各国社会生活中的各个方面，包括行为、语言甚至是人生观、价值观与世界观的形成与构建。

伴随着使用互联网以及聊天软件进行网聊的网民越来越多，在近十五年中，网络流行词汇数量急剧增加，对当代汉语流行词汇的影响不断增强，越来越多的网络流行词语走出网络，走入我们的现实生活与工作之中。由此可见，研究网络流行词汇对于研究当代汉语中的流行词汇以及当代汉语的发展趋势有着十分重要意义。

笔者对近十年的网络流行词汇进行了收集、整理、分类并参考了相关文献，在此实践基础上将网络流行词汇分为七大词类：缩略词、谐音词、分合音节词、会意词、象声词、字母缩写词、移用词。而在分类同时，不难发现近几年来，人们的网络生活越来越多样化，交流越来越多，越来越自由，因而缩略词、谐音词、会意词、象声词在近年网络流行词汇中所占比例越来越大，可见这四类词应该属于网络流行词汇的研究重点，通过研究这四大类词可以帮助我们更好地理清网络流行词汇的现状以及发展趋势。

在本论文中，笔者选择了对网络流行谐音词进行较为细化的研究，主要的研究内容有：网络流行谐音词的分类、成因分析、影响分析，并希望此次分析能够为网络流行词汇、现当代汉语流行词汇的研究提供更多更有利的依据，为网络流行词汇的使用提供合理的建议。

二、研究目的

通过研究分析网络流行谐音词的分类、成因、现状与影响来为网络流行词汇的研究提供有时效性、科学性的依据，为网络流行词汇的使用提供合理的意见和建议，并进一步分析网民心理现象与提升构建网络流行语话语权的重要性。

三、什么是网络流行谐音词

给网络流行谐音词下定义需要从什么是谐音词、什么是网络流行词两大方面来分析。

首先，谐音词即是在汉语应用（口头交流、书写）中，用声韵相同或是相近的字词进行字与字、词与词之间的替换，这种用于替换的字或词即是称为谐音词，如“早（枣）生贵子”中的“枣”与“早”的替换、“小葱拌豆腐——一清（青）二白”中“青”与“清”的替换等都可以称为是谐音词互换的现象。

其次，网络流行词即是在一定时间段内，以互联网环境作为主要发生地点，在网民之中流行的口语化书面语体。其本质仍未书面语体，但是由于网络交流环境比较自由，网民们的对话交流比较随意，对语法规则的要求不高，所以使得其更倾向于口语化的表达，而越倾向口语化表达的网络词汇越能在网络环境中流行，所以网络流行词汇对语法规则的要求一般不会过高，并且它会更富多样性、更多元化。

那么综上所述，网络流行谐音词即是汉语谐音词在特定的时间范围内，在网络交流、信息传播环境下，在网民之间流行的一种特殊的词汇表达方式。

四、网络流行谐音词分类

网络流行谐音词作为网络流行词汇中的一大重要词类，其总数占网络流行词汇总数的比例十分之大，在如此庞大的词类之下需要对其进行进一步的分类以及成因归纳才能对网络流行谐音词有更进一步的认识。那么网络流行谐音词汇可以分为哪些类别呢？

（一）汉字谐音，即是用读音相同相近的字、词来进行汉语以及外语字词上的替换。

例如：“杯具”是“悲剧”的谐音；“粉丝”是“fans”的谐音。“鸭梨”是“压力”的谐音

（二）数字谐音，即是用数字来替换与该串数字读音相同或者相近的字或词。

例如：“886”是“拜拜啦”的谐音；“94”是“就是”的谐音

（三）字母谐音，即是用字母来替换与该字母读音相同或者相近的字或词

例如：“PP”是“屁屁”的谐音。

以上三点为网络流行谐音词语的基本分类，由这三点分类自由组合还能够构成汉语与数字谐音、汉语与字母谐音、数字与字母谐音这三种复合的谐音词语分类。

从这三点基本分类以及三点复合分类中我们不难得知，网络流行谐音词汇具有较强的变化性、自由组合性，也这是这两点特性使得其能够在近几年来在网络交流中得到急速地普及与应用。

五、网络流行谐音词的成因

那么在将网络流行谐音词进行分类后，我们会思考这诸多的网络流行谐音词为什么会产生呢？笔者就此问题在小范围内进行了一次较小的（参与调查的人数大约有80-120人）关于网络流行谐音词成因看法的调研。在此次调研中，选择“有意识创作”选项的人数占被调查人数的绝大部分，而少部分人选择“无意识创作”这一选项。那么“有意识创作”和“无意识创作”这两大点成因具体应该如何解释呢？

（一）有意识创作

即指人们有意识地根据一定原因去寻找读音相近、相同的字、词来代替原有字词。而这一大点原因主要由以下三点小原因构成：

1.网民们在网络交谈或者是网络媒体传播（如网络小说创作、在贴吧发帖）中经常会出现一些涉及政治倾向、暴力倾向的词语或者一些不文明、不健康的用语，为了避免网络管理员对这一类词的屏蔽，聪明的网民们就用将一系列敏感字词用读音相同或者相近的字词来代替。例如用“河蟹”代替“和谐”，用“尼玛”代替“你妈”，用“踏马”代替“他妈”等。

2.有些字词的替换能够表达一语双关之意思，所以网民们通过替换一个词中的某一个字来达到双关的效果。例如，用“程序猿”代替“程序员”，第一含义是表达自己的本职工作是程序员；第二含义，由于“猿”的本意是指为猿猴，有不修边幅、生活无规律的外延含义，程序员们以此来称呼自己是表达出了一种对程序员这一工作的独特定义。

3.有时候为了达到使得交流气氛更加轻松自在与幽默，使得交流对象更愉悦，网民们通常会用读音相同或相近但字形不同且有幽默含义的字或词来代替原有的字词。例如：用“森日快乐”来代替“生日快乐”，用“先森”来代替“先生”，用“卧槽”来代替“我草”（表达出一种笑骂的语气而非正式辱骂粗口的语气），用“围脖”代替“微博”等，这就使得聊天对话气氛更加轻松更活泼，不再拘泥一格。

（二）无意识创作

这点成因就相对简单，它主要就是指网民们在打字的时候由于错误输入或者连读、略读输入而引起的同音异形字，而该类字词又由于幽默风趣而在网络聊天间流行，得到网民们的认可。例如用“酱紫”代替“这样子”，用“火钳刘明”代替“火前留名”，用“露珠”代替“楼主”，用“软妹币”代替“人民币”等都是由于输入法的联想功能所构成的无意识的网络谐音词创作。

六、网络流行谐音词影响

现如今网络流行谐音词的数量日剧增多，而伴随着它在网聊中以及网络传媒中的广泛运用，这一类词的使用已经由网络走向了生活，这势必会对现代汉语的流行词汇有一定的冲击与影响。

现代更多的中国青年人开始将网络流行谐音词运用到口头交流与信息交流上，而各类面向中学生、大学生等青少年化或者是娱乐化的宣传海报、宣传视频、微信公众平台为了吸引青年群体的注意，也经常会把类似于“婶婶的脑海里”“围脖”等网络谐音字词放在宣传标语当中，网络流行谐音词也因此广泛在青年群体间得到传播。于此同时，许多大众新闻媒体为了吸引读者注意通常会关注社会热点，其中也就包括了语言热点，网络流行谐音词经常成为各大媒体的关注对象或者是引用对象，而通过各大媒体的关注和引用，网络流行谐音词又会传播到各年龄段的群体中去成为各年龄段的“新潮”流行语言，从而改变了现代汉语流行与的构成。

与此同时，网络流行谐音词能够通过丰富的变化、组合形式来反映出汉语的灵活性与与时俱进的独特性，是汉语的一大典型代表。而且许多网民通过运用这样的词汇表达形式来使自己或者某一群体能够更顺利地表达民意或者是对某一时间的舆论风向。网络流行谐音词不仅丰富了现代汉语的语言形式，更能展现出人民对与话语权的一种追求。

然而，令人担忧的一点，当年轻一代（小学生）接触到这一类词语后比较容易出现记错、写错字的情况，这就会对一部分受传播者产生一定的误导作用，不利于汉字的继承与传播。

七、结语

通过分析网络流行谐音词的分类、成因以及影响我们可以看到，网络流行语是一种生命力十分旺盛，一种能够与时俱进、反映民意的流行词语的形式。它可以反映出，我国的网络流行语主要还是在改变现代汉语词汇与语法的构成形式的基础上来形成新的词与句的，是一种现代汉语的新的口语化书面表现形式，但其本质依旧为现代汉语书面形式。

我们可以积极运用及传播网络用语，但我们在这过程中应该对他们加以分别，那些低俗的、不文明的网络用语虽然流行，但不应该成为我们传播、继承的词语。同时，我们还应该要注意这些词对学生们的影响，不要让网络用语中无意识的谐音词成为他们写错别字的根本原因。

参考文献

[1]于元根.网络语言概说[M].北京：中国经济出版社，2001.

[2]2009-2013年10大网络流行词汇.

[3]练春招.词汇学讲义[C].广州：华南师范大学文学院，2014.

作者简介：俸洁，学历：本科生（文学）；在校职务：华南师范大学文学院在读本科生；研究方向：汉语言文学（师范）；指导老师：练春招教授。

医学英语词汇的分类教学 第4篇

著名语言学家D.A.Wilkins曾经说:“Without grammar very little can be conveyed;without vocabulary nothing can be con-veyed.”[1]这句话清楚地表明了词汇在语言交际当中的重要性, 即只有掌握好词汇才能真正提高语言能力。由此我们可以推断, 在语言教学的过程中词汇教学是至关重要的环节。医学英语教学亦是如此, 要把词汇教学摆在一个非常重要的位置。而医学英语词汇数量巨大、发音复杂、拼写冗长、难于记忆, 这些特点都给词汇教学提出一定的挑战。此前, 不少致力于医学英语教学的教师, 做了很多相关方面的、有益的探索, 为医学英语词汇教学提供了很好的参照。我在这里将秉承他们的探索精神, 借助医学英语词汇的分类, 来分析医学英语词汇的教学方法。

1. 医学英语词汇的分类

很多医学专业的学生, 甚至教医学英语的教师都会觉得, 医学英语词汇难拼、难记。这是不争的事实。不过, 在这些困难背后还是有一些特点和规律可循的。下面将把数目巨大的医学英语词汇简化分为四类, 分别探寻每一类词汇的特点与规律。

1.1 由医学词素合成的医学术语。

这类术语占了医学词汇的绝大部分, 而且拼写冗长、结构复杂, 是学习医学英语词汇要攻克的难点。虽然这部分词汇看似复杂, 但是它们大都是由希腊和拉丁词素按照一定的构词法 (主要是派生法) 构成的。

词素 (morpheme) 包括词根和词缀, 而词缀又分为前缀和后缀。词根 (word root) , 它是任何一个单词的核心部分, 包含着单词的基本意义。前缀 (prefix) , 通常位于词首, 大多对词性无影响, 本身具有一定含义, 表示“时间”、“方向”或“否定”等。后缀 (suffix) , 加于词末, 不同后缀赋予词汇不同的含义, 甚至还有可能改变词性。

派生法 (derivative) 是词根和词缀结合生成单词的方法。[2]通常词根位于词中, 前缀放在词首, 后缀放在词尾。这一构词规律和普通英语词汇的构词规律是基本一致的。不过有时为了发音需要, 词根与词缀或词根与词根之间也会使用连接元音 (combining vowe1) 。常见的连接元音有“o”和“a”。下面通过几个例子来分析一下这类词汇的构词特点。microscope (显微镜) , 由micro- (前缀) +-scope (词根) 生成;encephalitis (脑炎) , 由encephal- (词根) +-itis (后缀) 生成;gastropathy (胃病) , 由gastr- (词根) +o (连接元音) +-pathy (后缀) 组合而成。不过也有个别医学英语词汇的前缀放在词中的情况, 如contraindication (禁忌症候) 这个词的其中一个前缀in-就位于词中。[3]

1.2 独立医学术语。

指由非医学词素合成的医学专业术语。这类术语一般仅出现在与医学相关的文章中, 词义单一, 并以名词居多。例如:sphinx (器官) 括约肌, diarrhea (症状体征) 腹泻, Parkinson's disease (疾病) 帕金森病, pancreatin (药物) 胰酶, 等等。这类术语当中也有个别动词和形容词。如X-ray (动词) 用X光检查, fat-free (形容词) 脱脂的。[4]

1.3 由普通英语转变而来的医学词汇。

指在普通英语和医学英语中都能见到的词汇。只不过词义不同, 在医学英语中有固定的医学含义。比如以下例子中前者是普通词义, 后者是医学词义。angry生气的、肿痛发炎;labor劳动力、分娩;consumption消耗、痨病。

1.4 新生医学词汇。

这类词汇是随着时间的推移、新的医学问题的出现而不断产生的。它们大多数由普通英语单词演变、组合而成, 主要包括一些新型的疾病、设备、检查、疗法等。如foot-and-mouth (口蹄疫) , swine flue (禽流感) 等都是由于新的疾病的传播而产生的。

2. 医学英语词汇课堂教学方法

上文我们对医学英语词汇做了简化分类, 这样就可以根据每类词汇的特点, 采用不同的教学方法, 有针对性地教学, 以更有效地帮助学生攻克记忆医学词汇的难关。

2.1 文化渗透与构词法相辅相成。

在由医学词素合成的医学术语这类词汇的教学中, 词素教学是基础, 也是关键的一个环节。为了提高学生的兴趣, 教师可以在讲解不同的词素时穿插些与其相关的文化背景知识。比如在讲解词根chron-时, 可以讲到它由Chronos (宇宙的最高统治者) 一词演变而来。Chronos, 为了争取帝位残酷地杀死了身边所有的亲人, 就好比无情的时间, 能吞噬一切。因此, 便产生了chron-这个词根, 并赋予它“时间”的含义。[5]这样的讲解方式可以给乏味的词汇教学带来很多新鲜感, 使学生兴趣倍增, 学习效果不容小觑。

构词法对于分析由医学词素合成的医学术语的结构特点是十分有效的。因此, 在讲解常见的医学词素同时, 教师应向学生教授构词法的相关知识。遇到相应的词汇就来示范、分析其构词特点, 以加深学生的印象。比如, 在讲解gastroenteritis (胃肠炎) 一词时, 首先, 可以发挥学生的自主性, 让他们根据已知的医学词素知识, 找出这个词所包含的一些词根和词缀, 必要时给予指导和帮助。然后, 再由教师带领学生对其结构进行分析。我们便得出, 该词有两个词根即gastr (胃) 、enter (肠) , 一个后缀-itis (炎症) , 和一个连接元音o。它们按照词根+连接元音+词根+后缀的方式构成。经过这样的分析, 学生就可以清楚了解这个词汇的构词特点, 以便更深刻地记忆。教师还可以让学生尝试根据已知词素和所学构词法知识, 合成一些新的词汇。这一环节需要老师的指导, 才能保证学生合成词汇的正确率。

此外, 将文化背景知识穿插于词汇教学之中的方式, 也适用于新生词汇这一类。语言是文化的载体, 每一个新型词汇的产生, 都有一定的文化背景。所以在遇到这类词汇时, 可以适当讲授些与其相关的医学热点事件, 渲染一定的文化色彩, 以加深学生对它们的印象, 从而更好地记忆。

2.2 归纳整理, 体系教学。

医学英语词汇有着明显的类型特征, 同一类型的词汇在结构上或语义上有相似之处。教师可以带领学生, 将所学的同一类词汇归纳到一起, 进而形成一定的体系, 构建词汇结构框架, 从整体的高度把握医学英语词汇。然后学生通过比较同类词汇间的差异, 来学习、记忆。印象深刻, 效率较高。根据我的经验, 主要有两种归类方式。一是, 以中文名称为参照的分类方式, 如按照人体系统类、疾病名称类、药物类、医疗器械类、治疗方法类等类型归类;二是, 以英文拼写为参照的分类方式, 如按照同一词根、同一词缀 (前缀或后缀) 分类。这种方法适用范围比较广, 在独立医学术语类和由医学词素合成的医学术语类及新生词汇的教学中都可以使用。特别是在词汇复习阶段, 通过这种方法, 可以帮学生更好地梳理词汇体系, 提高学习效率。

2.3 自学为主, 温故知新。

这种方法比较适用于由普通英语转变而来的医学词汇的教学。在基础英语教学阶段, 学生已经学习了这部分词汇, 单词的读和拼写都没有太大问题。因此只需要再强化它们的医学含义。教师可以充分调动学生的积极性、主动性, 采用学生自学为主的学习方式, 来温习这些词汇的普通语义, 再进一步强化记忆其医学含义。教师还要通过作业或考试的方式检测自学效果, 以保证自学质量。

2.4 多媒体辅助课堂教学。

爱因斯坦说过, 兴趣是最好的老师。多媒体可以为学生提供多彩的画面、逼真的声音、生动的情节, 吸引他们的注意力, 激发他们的学习兴趣。因此无论是在哪一类型的词汇教学中, 教师都可以适度利用多媒体设备, 为学生提供一些与所学词汇相关的图片、音频或视频资源, 并组织他们学习、讨论和模仿, 帮助他们更准确地掌握相关词汇。特别是对由医学词素合成的医学术语这类读音复杂的词汇, 利用多媒体对其进行发音规律的讲解和示范带读是十分有效的。

值得注意的是, 词汇不是孤立存在的, 而是存在于一定的语境中的。因此, 在词汇教学的过程中, 教师要尽可能给学生提供一定的语言情景, 让他们借助更真实、更生活的语言环境学习、记忆、使用词汇。

综上, 虽然医学英语词汇教学充满困难与挑战, 不是件轻而易举的事情, 但是广大教师还是可以通过教学经验的积累与交流, 归纳总结出其中的规律, 找到更适合学生实际情况的教学方法。

参考文献

[1]戴月兰.医学英语词汇教学探讨[J].山西医科大学学报, 2005, 7, (6) :665-666.

[2][4]郭先英, 朱剑飞.医学英语词汇学教程[M].中原出版传媒集团:2009, 9:115-120.

[3]朱玉民.从词源学角度探析医学英语词汇特点[J].卫生职业教育, 2011, 29, (7) :67-69.

雅思分类词汇：汽车词汇 第5篇

second gear 二档

reverse 倒车档

two-stroke engine 二冲程发动机

diesel 柴油机

limousine 豪华轿车

drophead 活动车篷汽车 (美作:convertible)

racing car 赛车

saloon 轿车 (美作:sedan)

roadster 敞蓬车

wecker, beat-up car, jalopy 老爷车

notchback 客货两用车

four-wheel drive 四轮驱动

front-wheel drive 前轮驱动

trailer 拖车

station wagon 小旅行车

truck 卡车

compact car 小型汽车

light-van 小型货车

garbage truck 垃圾车

automobile carrier 货运卡车

fire engine 消防车

tractor 牵引车

ambulance 救护车

taxi 出租车, 计程车

trailer truck 拖车

sports car 跑车

formula car 方程式赛车, 方程式汽车

mail car 邮车

jeep 吉普车

bloodmobile 血浆车

bumper car 碰撞用汽车

camper 露营车

police car 警车

wrecker 清障车

ambulance 急救车

benz, mercedes-benz 奔驰

cadillac 卡迪拉克

chrysler 克莱斯勒

chevroler 雪佛莱

citroen 雪铁龙

ford 福特

honda 本田

mazda 马自达

mustang 野马

porsche 保时捷

renault 雷诺

rolls-royce 罗尔斯罗伊斯

santana 桑塔纳

toyota 丰田

volvo 沃尔沃, 富豪

词汇分类 第6篇

电源是将其它形式的能转换成电能的装置,电能是以电力作为动力的能源。作为一种先进的生产力和基础产业,电力行业对促进国民经济的发展和社会进步起到了重要作用,与社会经济和社会发展有着十分密切的关系[1]。在对电源进行研究和应用的过程中,有非常多的专业英语词汇,如何提高电源专业英语词汇的记忆效率并准确应用,始终是工程技术人员的难题。随着计算技术的不断地进步与发展,为英语词汇学习提供了新的解决办法,把英语词汇学习融合到计算机网络技术中[2],通过词汇字典对电源专业英语词汇进行分类管理,将专业词汇按电源大类和电源小类存储在数据词典中,一方面便于学习,不同方向的电源工程技术人员只需重点掌握与自己专业方向一致的专业词汇;另一方面,将专业词汇以字典的形式存储于手机或其他移动设备中,工程技术人员遇到难题时可以随时查找,为实际工作提供方便。本文进行的字典库结构设计,是系统开发的基础性工作,为电源专业英语词汇分类管理系统开发提供支持。

2 电源分类

电源专业英语词汇分类管理按照电源分类的方式进行。电源按大类可分为普通电源和特种电源[3,4,5]。

普通电源又可分为开关电源、逆变电源、交流稳压电源、直流稳压电源、DC/DC电源、通信电源、模块电源、变频电源、UPS电源、EPS应急电源、净化电源、PC电源、整流电源、定制电源、加热电源、焊接电源/电弧电源、电镀电源、网络电源、电力操作电源、适配器电源、线性电源、电源控制器/驱动器、功率电源、其他普通电源、逆变电源、参数电源、调压电源、变压器电源等小类。

特种电源即特殊种类电源。所谓特殊主要是由于衡量电源的技术指标要求不同于常用的电源,其主要是输出电压特别高,输出电流特别大,或者对稳定度、动态响应及纹波要求特别高,或者要求电源输出的电压或电流是脉冲或其它一些要求。特种电源又可分为岸电电源、安防电源、高压电源、医疗电源、军用电源、航空航天电源、激光电源、其他特种电源等小类。

3 概念结构设计

概念结构设计是将用户需求抽象为信息结构的过程,说明将要反映的现实世界中的实体、属性和实体之间联系的原始数据形式,并建立数据库的用户视图[6]。概念结构设计的结果为实体联系模型(E-R,EntityRelationship)。

根据以上的电源分类,每个“电源大类”又分为若干个“电源小类”,每个“电源小类”包含多个“电源专业词汇”,每个专业词汇又分别属于不同的词性。因此,电源专业英语词汇分类管理词典包括四个实体,分别是电源大类、电源小类、电源专业词汇、词汇词性。四个实体间包括三个“一对多”联系,即“电源大类”实体和“电源小类”实体之间是一对多的联系,一个电源大类包括多个电源小类,一个电源小类只能属于一个电源大类;“电源小类”实体和“电源专业词汇”实体之间一对多的联系,一个电源小类包括多个电源专业词汇,一个电源专业词汇只能属于一个电源小类;“词汇词性”实体和“电源专业词汇”实体之间一对多的联系,一个词汇词性包括多个电源专业词汇,一个电源专业词汇只能属于一个词汇词性。根据以上分析构建的概念结构模型如图1所示。

4 逻辑结构设计

逻辑结构设计的任务是把概念结构设计的E-R图,转换为与选用的数据库管理系统产品支持的数据模型相符合的逻辑结构。本文选用的Microsoft SQL Server2010作为数据库管理系统。

图1中存在四个实体及三个“一对多”联系,根据逻辑结构的设计规则:)一个实体转换为一个关系模式,实体的属性就是关系的属性,实体的码就是关系的码;一个“一对多”联系可以转换为一个独立的关系模式,也可以与多端对应的关系模式合并。如果转换为一个独立的关系模式,则与联系相连的各实体的码以及联系本身的属性均转换为关系的属性,而关系的码为多端实体的码。为了减少数据库对象,本文采用“一对多”联系与多端合并的方式。

为了便于编程实现,数据结构中的对象(表名、字段名)采用英文表示。以数字代码为例,表示格式为“(数字代码,DigitalCode,Smallint,2)”,其中“数字代码”是字段说明,DigitalCode是字段名称(两个英文单词之间通过首字母大写区分),“Smallint”是字段类型,“2”是字段宽度(存储占用的字节数)。逻辑结构设计结果如下:

(1)电源大类表,字段为E-R图中“电源大类”实体的所有属性,结构如下:

PowerBigCategories[(数字代码,DigitalCode,Smallint,2)、(拼音代码,PinyinCode,Varchar,10)、(大类名称,BigCategoriesName,Varchar,30)、(大类代码,BigCategoriesCode,V archar,2)]

BigCategoriesCode字段设置为主键。

(2)电源小类表,字段除了E-R图中“电源小类”实体的属性外,还要表示“一对多”联系,即“电源大类”实体的“大类代码”属性,结构如下:

PowerSmallCatego ries[(大类代码,BigCategoriesCode,Varchar,2)、(数字代码,Digital Code,Smallint,2)、(拼音代码,PinyinCode,Varchar,10)、(小类名称,SmallCategoriesName,Varchar,30)、(小类代码,SmallCategoriesCode,Varchar,3)]

Small Categories Code字段设置为主键。BigCategoriesCode字段为电源大类表相对应的外键。

(3)电源专业词汇表,字段除了E-R图中“电源专业词汇”实体的属性外,还要表示两个“一对多”联系,即“电源小类”实体的“小类代码”属性和“词汇词性”实体的“词汇代码”属性,结构如下:

Power Professional Vocabulary[(专业词汇,Prof essionalVocabulary,Varchar,2)、(词汇代码,VocabularyCode,Smallint,2)、(小类代码,SmallCategoriesCode,Varchar,3)、(词性代码,Nature Code,Varchar,2)、(英文解释,EnglishExplanation,Varchar,100)、(汉文解释,ChineseExplanation,Varchar,100)、(音标,PhoneticSymbols,Varchar,20)、(词汇例句,Vocabulary ExampleSentence,Text)、(入库日期,WarehousingDate,Datetime,4)、(入库时间,WarehousingTime,Datetime,4)、(入库人员,WarehousingPersonnel,Varchar,30)、(备注说明,Remarks,Text)

VocabularyCode设置为主键。SmallCategoriesCode字段为与电源小大类表相对应的外键。NatureCode字段为与词汇词性表相对应的外键。

(4)词汇词性表,字段为E-R图中“词汇词性”实体的所有属性,结构如下:

VocabularyNature[(英语名称,ErnglishName,Varchar,20)、(缩写形式,AbbreviatedForm,Varchar,10)、(词性代码,NatureCode,Varchar,2)、(词性例词,NatureExampleWords,Varchar,20)]、(词性意义,NatureSignificance,Varchar,100)]、[(汉语名称,ChineseName,Varchar,20)

NatureCode字段设置为主键。

5 物理结构设计

物理结构设计是在逻辑结构设计的基础上,为每个关系模式选择合适的存储结构和存取方法,使得数据库上的事务能够高效率运行。物理结构设计依赖于具体的数据库管理系统。本文针对Microsoft SQL Server2010数据库管理系统进行物理结构设计。

(1)磁盘硬件的选型。硬盘的性能参数很多,但对于存取数据库的硬盘选择主要从容量、速度、缓存等方面来考虑。如果选择专用数据库服务器,要考虑RAID(独立磁盘冗余阵列)设备。电源专业英语词汇分类管理字典的数据量较少,因此可以选择通用的硬盘。

(2)数据放置在磁盘上。如果数据量较少,可将数据放置在文件上;如果数据量较大,就要放置在文件组上。如果文件组由在不同物理磁盘中展开的多个文件组成,可以提高查询性能。由于本字典的数据少,因此选择放置在文件上即可。

(3)使用索引来提高性能。当被访问的列上无索引时,从表中获取特定条件的行数据将进行全表扫描,SQL执行时间主要消耗在表数据的加载和数据匹配上,需要消耗大量的IO成本和CPU成本[7]。创建索引提高系统性能主要体现三个方面:一是,保证数据库表中每一行数据的唯一性;二是,加快数据检索速度,三是,实现数据库的参考完整性和参照完整性。

在以上逻辑设计的三个表中,创建索引如下:“VocabularyNature”表按“NatureCode”字段创建聚簇索引;“PowerBigCategories”表按“BigCategoriesCode”字段创建聚簇索引;“PowerSmallCategories”表按“SmallCategoriesCode”字段创建聚簇索引,按“BigCategoriesCode”字段创建非聚簇索引;“PowerProfessionalVocabulary”表按“VocabularyCode”字段创建聚簇索引,按“SmallCategoriesCode”、“NatureCode”和“ProfessionalVocabulary”字段分别创建非聚簇索引。

(4)配置参数以使数据库很好地运行。一是使用内存配置选项min server memory、max server memory、max worker threads、index create memory、min memory per query等优化服务器性能;二是使用I/O配置选项recovery interval优化服务器性能。

6 结束语

数据库设计是信息系统开发的核心和基础,一个好的数据库设计对信息系统的设计与实现至关重要,直接影响着系统性能和程序编码的复杂程度,甚至影响整个信息系统的稳定性[8]。本文以电源专业英语词汇管理的实际需要为基础,通过概念结构设计和逻辑结构设计等步骤,设计了分类管理词典的存储结构。进行软件系统开发时,可直接运用本文设计的存储结构构建词典库,具有数据冗余小、易于修改、易于维护等特点。

摘要：通过词汇字典对电源专业英语词汇进行分类管理,能够提高词汇记忆效率,便于随时随地查找。本文进行的词典库结构设计,为词汇分类管理系统设计提供支持。首先将词汇分类按照电源分类的方式分为电源大类和电源小类,以此分类为基础,基于SQL Server数据库管理系统进行词典库结构设计,按照概念结构设计、逻辑结构设计、物理结构设计的过程进行。本文设计的词典库数据结构具有冗余度小、易于修改、易于维护、易于扩展等优点。

关键词：电源,英语词汇,分类管理,词典库,结构设计

参考文献

[1]百度文库.电能对生产生活的影响[EB/OL].http://wenku.baidu.com/linkurl=DMpsqu48a7wvhiIzL15KeKEEXcqsZkZjZHY8n3SinzM70ZT4Wgvysyjg_HTwOd74aQz0UnNyipAWZccWCRQ0w9ben_GJKCyYdKX3pL8aQ,2014-9-1.

[2]张蓉.英语单词系统设计与开发[J].电子测试,2014,21(16):7-10.

[3]史平君.特殊而应用广泛的电源一特种电源[J].电源技术应用,2010,13(6):1-7.

[4]百度百科.电源[EB/OL].http://baike.baidu.com/view/13542.htm?fr=aladdin,2014-9-1.

[5]GREGOR DOLANC.DARKO BELAVICMARKO HROVAT.et al.iature fuel reformer system for portable power sources[J].Journal of Power Sources,2014,271(20):392-400.

[6]未培.数据库设计之我见--以某高校教学测评系统数据库开发为例[J].长沙铁道学院学报(社会科学版).2014,15(2):289-290.

[7]杨俊生,张程.索引对SOL执行成本的影响[J].信息通信.2013,27(1):136-137.

词汇分类 第7篇

随着信息技术的飞速发展特别是互联网的广泛普及,网络文本以指数级别增长,网络文本成为人们进行信息交流的重要方式。如何对浩如烟海的文档、资料和数据进行自动分类、组织、挖掘和管理,已经成为一个具有重要用途的研究课题。文本分类是在预定义的体系下与一个或者多个类别相关联的过程。文本分类作为信息检索和数据挖掘的基础技术和研究热点,从上个世纪50年代至今,已经取得长足发展。广泛应用于邮件分类、自动文摘、信息过滤、电话会议等。特征选择(Feature Selection,FC)作为文本分类的关键一步,具有降低向量空间维数、简化计算、以及去除噪声等作用,征提取的好坏将直接影响着文本分类的准确率和效率。特征选择一般是通过构造一个特征评分函数,把测量空间的数据投影到特征空间,得到在特征空间的值,然后根据特征空间中的值对每个特征进行评估,特征选择就成了选择值最高的若干个特征。常用的特征选择方法(如信息增益、互信息)采用统计方法处理词语与类别,忽略特征词之间的语义关系。本文提出一种基于上下文的词汇相关度的特征选择方法,通过计算词语与类别关键词词汇相关度,设定相关度阀值,进行特征取舍,降低特征空间的高维性,并有效减少噪声,得出最优特征空间,从而提高了分类精度和算法效率。

1 网络文本分类流程及相关技术

网络文本作为一种结构化的特殊文本,除了文本信息之外,还有其他描述信息,如标题、页面描述和超链接等标签(tag)。所以文本分类具有特殊性。一般包含如下几个重要的步骤,每个步骤都涉及各自相关技术。

预处理包括两个具体步骤:第一步将网络文本的所有标签(tag)去除,转化为一般文本;第二步去除停用词,既去除高频词和情感词。

预处理之后,进行中文分词。中文文本不像英语等,中文词与词之间没有显示标志。因此中文分词成为处理计算机处理中文时面临的首要基础性工作。常用的分词工具有很多,比如:中科院的ICTCLAS中文分词工具、IK Analyzer等。

文本表示模型常用的是向量空间模型(VSM),其他常用模型还有词组表示法、概念特征表示法。

传统的特征选择方法主要有:基于文档频率(document frequency,DF)法、信息增益(information gain,IG)法、互信息(mutual information,MI)法。

特征权重是衡量某个特征项在文档表示中的重要程度。权重计算方法一般有绝对词频(TF)、倒排序文档频率(IDF)、TF-IDF等。

分类器是相当重要的一个步骤,常用的分类算法包括:朴素贝叶斯分类法、基于支持向量机、k-最近邻法、神经网络法、决策树法、Rocchio分类法和Boosting算法。

2 基于词汇相关度的分类算法

2.1 词汇相关度计算

词汇相关性计算在很多领域中都有广泛应用,例如信息检索、信息抽取、文本分类等等。词汇相关性计算的两种基本方法是基于世界知识(Ontology)或某种分类体系(Taxonomy)的方法和基于上下文统计的方法。这两种方法各有优缺点。

基于上下文统计的方法计算词汇相关度假设:两个词经常共同出现在文档的同一窗口单元(如一句话、一个自然段等),则认为这两个词在意义上是相互关联的,并且,共现的概率越高,其相互关联越紧密。

本文采用的Jaccard系数计算两个词语的词汇相关度是一种基于上下文统计的方法。

Jaccard系数计算公式如下:

P和Q是代表文档中的两个词汇;H(P)代表P在窗口出现的次数,H(Q)代表Q在窗口出现的次数,H(P⌒Q)则代表P和Q一起出现的次数。

2.2 改进后的文本分类算法

详细步骤如下:

(1)确定领域,确定需要分类文本的所属领域,经济、政治、等等。既是语料库所包含的文本的类别;

(2)自定义一个语义范围,根据《知网》对每个领域确定好类别关键词,建立1-10的相关度。例如:经济领域,我们选取出资人、收入、股票、货物、商人、贸易、公司、商业、金融、经济;

(3)对文本进行预处理;

(4)分词;

(5)将训练文本中的词汇与类别关键词用1式进行相关计算。形式如下:Jaccard(类别关键词,待选词汇);设定阀值,进行特征选择,得出最终特征集合;

(6)选择文本表示模型;

(7)选择文本分类器;

(8)对测试文本,用特征集,进行文本表示;

(9)测试评估,动态调整算法。

3 实验结果

我们在Weka平台上,进行对比试验(如表1)。在特征权重选用TF-IDF,分类器用KNN算法,朴素贝叶斯算法。用搜狗2008迷你版语料库分为训练文本和测试文本,其包含军事、文化等十个为本类别,每个类别分别有100篇文档,是一个平衡语料库。将本方法与信息增益、互信息法进行比较。我们采用了查准率(Precision,p)和算法时间(Time,T)作为评价指标。

经过实验结果,我们得出基于词汇相关性的特征选择比传统的特征选择方法在分类精度和算法运行时间均有稳定的提高。

4 结论

文本分类是信息检索、信息过滤和搜索引擎工作的技术基础。文本特征的高维性是影响分类精度和效率的一个重要因素,如何进行有效的特征降维成为文本分类的一个研究热点。本文采用词汇相似度进行特征选择改进文本分类算法,有效地提高了分类精度和算法效率。

摘要：传统文本分类算法,在特征选择这一阶段,采用统计观点和方法机械处理词语与类别的联系,假定词语之间相互独立,忽略特征关键词之间的语义关系。本文提出一种新的特征选择方法,用基于上下文统计的词汇相关度方法,计算特征词之间的词汇相关度,设定相关度阀值,进行特征选择。降低了特征空间的高维稀疏性,并有效的减少噪声,提高了分类精度和算法效率。

关键词：文本分类,特征选择,词汇相关度

参考文献

[1]宗成庆.统计自然语言处理[M].北京:清华大学出版社.2008.

[2]申红,吕宝粮,内山将夫,井佐原均.文本分类的特征提取方法比较与改进[J].计算机仿真.2006.

[3]刘群,李素建.基于《知网》的词汇语义相似度算[J].Computational Linguistics and Chinese Language Processing.2002.

[4]张燕平,史科,徐庆鹏,谢飞.基于词共现模型的垃圾邮件过滤方法研究[J].中文信息学报.2009.