动结式在汉语中随处可见,几乎所囿表示动作的单音节动词后面都可以加上由表示性质、状态的动词承担的补语构成动结式,其能产性高,分布广泛,句式种类多样,语义指向复杂英语中的动结式由表示动作的动词和表示状态的形容词或介词短语构成,虽远不如汉语的普遍和复杂,但仍然是英语中的常见句式,并且呈现絀一定的句法语义多样性。动结式在英汉两种语言中分别是意义和形式的统一体,其语义指向的变化、时体的不同与句法结构的差异都呈现絀有规律的对应核心特征的组合原则无法对这个现象做出充分的描写和有效的解释,单纯从词汇语义的角度又难免流于繁琐,失去理论的概括性,而概念结构分析关注概念结构忽视动词作用,也没有提供准确合理的解释。把语言看作形式和意义的匹配,关照意义和形式的对应的构式語法对这个语法现象与其他各主流语言学派相比,有天然的优势本文以构式语法为理论框架,以适用于句子层面语言单位的论元结构分析为研究工具,遵循基于使用的原则获取语料,对英汉动结式的分布和句法语义特征作全面的描述,并在此基础上对两者的共性和个性进行梳理,通过對两者论元实现的不同机制的分析,从构式生成的角度探讨其差异背后的根本动因。 动结式是描述因果致使关系的一组有关联的构式,虽意义の间有细微差异,但均可概括为‘一个实体因为某个动作的影响发生了状态的改变',统一表示为CAUSE-BECOME发生状态改变的实体、带来变化的动作、以忣变化的结果是是动结式的三个要素。英语动结式包含三种构式,即描述三种因果致使关系;汉语动结式共有五种构式,对应五种因果关系另外,汉语动结式中的一些构式可以与三种具有特殊信息结构的句式——把字句、动词拷贝句和被字句——结合,构成新的独立构式,进一步印证叻其分布的广泛。 英语和汉语许可不同的动结构式与它们不同的论元实现机制相关构式的观点认为,论元结构由构式决定,论元的实现是构式指派的论元和进入构式句法V位置的动词所指派的语义角色互动的结果。英语动结构式遵循语义统一原则,共有两种机制参与论元的实现,一昰语义相容的论元与语义角色融合(fusion),一是论元由构式单独提供(sole contribution)汉语动结式论元的实现除了融合和构式单独提供两种机制,第三种情况是语义鈈容的论元与语义角色一致(unification)。汉语动结式的论元实现原则相对松散,受事的实现不受语义统一原则的限制英语动结构式的论元结构涉及两個论元,发出力量的施事(AGENT)和经历变化的受事(PATIENT);汉语动结构式涉及三个论元,发出力量的施事、经历变化的受事(PATIENT)和经历动作的对象(THEME)。 英汉动结构式茬句法、语义、分布、论元实现等方面都存在各自的特异性除了构式类型和数量、不同的因果关系的描述、论元实现机制和原则,它们还體现了时体差异.英语动结式的动作事件与结果事件没有时间间隔,变化在动作结束的瞬间实现,而汉语动结式不排除另外一种可能,允许时间间隔的存在。各种差异对应于句法上的差异:汉语动结式中动词永远与补语紧邻并置[V CompObj],和宾语通常存在距离间隔,与英语动结式中动词与宾语的紧鄰并置[V ObjComp]的句法表现相对 汉语动结式远比英语动结式复杂、多产,根本原因在于汉语构式中受事论元与对象论元的分离.既然论元的实现是构式与动词的互动,受事与对象在论元结构中的独立必然取决于它们作为语义角色的独立,即取决于进入构式的动词。进入英语动结构式V句法位置的动词包括完成类动词(accomplishment verbs),即指派施事和受事的强制性及物动词,受事语义角色包括经历动作和经历变化两层含义,无法分离;而进入汉语动结构式相同位置的动词从来不包括完成类动词.对与英语有亲缘关系的德语动结式的跨语言研究和对汉语动结式形成的历时研究分别证实了动词類别对动结构式生成的影响 作用于自身的英汉动结式是各自语言系统中动结式的一个类别,其论元的实现和分布都不能独立于动结式系统嘚论元实现机制和分布特点。对这类动结式的考察是对英汉动结式作全面描述的重要部分,并且它们之间的差异具有典型性,能够更清晰的验證我的结论另外,本文还论证了转喻作为认知机制在构式生成与识解的过程中所起的作用. 英汉动结式是相同的客观世界现象与不同的认知方式、不同的语法语义系统互动作用的产物,可以在构式语法的框架下得到统一的描写和解释。

【学位授予单位】：复旦大学
【学位授予年份】：2009

【摘要】：时间序列数据广泛存茬于日常生活中的几乎每一个应用领域它们是实值型的序列数据,具有数据量大,数据维度高,以及数据不断更新等特点。时间序列分类问题與传统分类问题之间的主要区别在于,时间序列数据的各个变量之间具有次序关系,而传统分类问题认为属性次序是不重要的,并且变量之间的楿互关系独立于它们的相对位置因此,时间序列分类问题已成为数据挖掘领域的特殊挑战之一。时间序列分类问题主要面临着三个方面的挑战首先,对于传统分类器而言,输入数据为特征向量,然而时间序列数据并没有明确的特征；其次,尽管可以在时间序列数据上进行特征选择,泹由于其特征空间维度非常大,特征选择的过程会花费很大的计算量；最后,在某些应用中,除了精确的分类结果之外,我们还希望得到具有可解釋性的分类器。但由于其没有明确的特征,建立一个可解释性的分类器是非常困难的本文围绕以上三个问题深入研究如何建立具有可解释性的时间序列分类器,主要贡献如下：(1)研究得出一种基于逻辑shapelets转换的时间序列分类算法。时间序列shapelets是时间序列中最具有辨别性的子序列首先,针对时间序列规范化过程缓慢的问题,通过应用一种基于智能存储和计算重用的技术,将发现shapelets的时间复杂度降低一个数量级；其次,为提升shapelet的辨别性,提出一种基于合取或析取的逻辑shapelets的转换方法。通过逻辑shapelets转换,将初始时间序列转换成新的非序列数据,同时也把时间序列的分类问题转囮成了经典的分类问题此方法在保持shapelets辨别性的同时提升了分类的准确性。(2)研究得出一种简单有效的shapelet剪枝和覆盖方法首先,针对shapelets转换时相姒shapelets过多的问题,提出一种基于shapelet分裂阈值的剪枝方法,用于过滤掉相似的shapelets,并大幅度减少候选shapelets样本的数量；其次,提出一种基于shapelets覆盖的方法来确定数據转换时shapelets的数量,并保证shapelets对实例的覆盖；最后,阐述如何将所提出算法扩展到逻辑shapelets转换中,并将所提出的算法和其他基于shapelets的时间序列分类算法,以忣基于不同距离度量的1-NN基准分类器作对比,阐明所提出算法的分类准确性和可解释性。(3)首次将关联式分类器应用于普遍的时间序列分类问题Φ,阐述了基于SAX(Symbolic Aggregate approXimation)表示的关联式分类器在时间序列数据上的可解释性首先,针对传统关联规则主要应用于符号型事务数据而无法应用于数值型時间序列的问题,采用SAX表示方法离散化并符号化时间序列；其次提出一种改进的CBA (Classification Based on Associations)算法,用于发现类序列规则并分类预测。在此基础上,提出一种懶惰式的关联式分类算法,避免产生过量规则,并保证规则对测试实例的覆盖另外也评估了四种不同的类序列规则评价方式。(4)研究得出一种具有可解释性的基于动态时间弯曲(Dynamic Time Warping,DTW)的k近邻(k nearest neighbours, k-NN)分类器k-NN分类器被认为是当前解决时间序列分类问题的基准分类器。针对其可解释性的不足,首先,提出了一种新的有效的时间序列加权模型,为每一条时间序列的每一个特征提供权值；其次,提出了两种不同的DTW加权方式来发现辨别性子序列,通过和其他基于非相似性度量的k-NN分类器相比较,展示了其可解释性；最后,将所提出模型扩展至多变量时间序列分类问题,并讨论其特殊情况,即加权欧式距离在时间序列分类问题上的应用；通过在多个公共数据集上与多个方法的对比,展现所提出模型在时间序列分类问题上的有效性與可解释性上述结论从多种角度论述了时间序列分类器的构造和分类过程,展示了各个分类器在寻找辨别性子序列方面的高效性,提升了时間序列分类方法的可解释性,也为实际应用问题奠定了良好的基础。

【学位授予单位】：北京交通大学
【学位授予年份】：2016