隐喻概念构建的认知分析

隐喻不仅是一种修辞术,也是人们认知世界的重要手段。从认知角度对隐喻概念进行了分析,指出了语言与认知的关系。具体分析语言中的方位隐喻,本体隐喻和结构隐喻,指出隐喻产生的本质在于借用在语言层面上成形的经验对未成形的经验作系统描述,从而为有限的词语提供了表达无数观念的手段。     

隐喻概念构建的认知分析

隐喻不仅是一种修辞术,也是人们认知世界的重要手段。从认知角度对隐喻概念进行了分析,指出了语言与认知的关系。具体分析语言中的方位隐喻,本体隐喻和结构隐喻,指出隐喻产生的本质在于借用在语言层面上成形的经验对未成形的经验作系统描述,从而为有限的词语提供了表达无数观念的手段。     

up的认知语义探究

从认知语义学的角度,运用意象图式和概念隐喻理论来对"动词+up"的结构展开全面且细致的研究。在研究过程中,多项实例证明,up除了包含空间意义之外,还包含一定的隐喻意义。同时,短语动词的构成也是比较复杂的,小品词和以及动词都对其有着重要的作用与价值。这种语义致使其结构可由空间域通过隐喻拓展至心理域和社会域,和动词搭配时能引申出更广泛的语义。     

英语词汇意义拓展的隐喻理据

概念隐喻理论认为,隐喻无处不在,它是一种认知手段,其工作机制是“跨域映射”。认知语义学认为词汇延伸意义的获得不是任意的,其依据是使各种意义以有理据的方式联系起来的认知结构。本文通过分析英语语料,阐述了隐喻的认知模式及其拓展词义的前提和机制,解释了隐喻使一语义结构与另一语义结构映合,使词汇在原意义的基础上产生具有家族相似性的新义,从而论证了英语词汇意义拓展的隐喻理据性。     

分段式话语表现理论

分段式话语表现理论（Segmented Discourse Representation Theory,简称SDRT）把动态语义学和人工智能关于话语解释的研究结合起来,并把修辞结构引入动态语义学。SDRT包含了两种逻辑：信息内容的逻辑和粘着逻辑。SDRT使用语义未具体化陈述的语言Lulf来描述话语的逻辑形式,表达关于语义未具体化陈述的信息,Lulf的推论关系抓住了未具体化逻辑形式和所有可能的解释之间的关系。通过粘着逻辑和最大化话语融贯性原则,话语更新定义了未具体化逻辑形式和语用上更可取的解释之间的关系。     

认知语言学的两个问题

提出了认知语言学研究必须面对和解决的两个问题：（１）在语言研究中引入认知是本质上必要的吗？如果是，那么，（２）这种引入是如何可能的呢？本文力图从心理、生理以及认识论等多方面来回答这两个问题，我们认为：语言运用是综合语言能力与认知能力的结果，完备的语言运用只有在认知意义下才是自足的。而在认知与语言发生关系的过程中，概念结构起着中心作用，它一方面为语言形式提供认知内容，另一方面又制约语言形式。     

人工智能难题和程序语义学

句法机如何成为语义机是人工智能面临的难题,也是当代意向性理论研究的重点.程序语义学是试图解释这一问题的重要致思取向.它认为传统的人工智能、计算机科学等是以模态理论语义分析为基础的,其研究尚停留在符号的层面,而未涉及到真值、指称,即没有涉及到语言与世界的关联.在揭示语言与世界关联如何实现的问题上,程序语义学强调语义不是由对指称的计算所给予的,也不是由谓词逻辑的标准语义学所给予的,而是由程序给予的.程序语义学不但能够融合如福吉勒特等意义理论的局限,而且所提出的过程性分析和知识对于人工智能的研究、发展亦有启示性.     

词汇语用学-语用角度的动态意义研究

传统词汇语义学从真值角度出发,在偏离语境因素的条件下对词语进行原型语义的静态阐释,而忽略了词汇使用的语用条件。词汇语用学是对语义进行社交语用和认知语用角度的多维、立体、动态研究,从而弥补了语义学研究的理论缺陷。     

情景语义学对条件句的语义刻画

情景语义学用情景类之间的制约关系来表示自然语言语句的意义,为合理解释条件句的意义提供一个新思路。情景语义学认为条件句的意义就是其前件和后件所涉及的情景类之间的制约关系。情景语义学对条件句的语义刻画适用于不同种类的条件句,对自然语言语义学和逻辑学领域产生重要影响。     

论形式语义学

阐述了形式语义学关于“语法”、“句法和语义”,以及“语词和语句”等概念。传统语言学所谓语法讲究对语言符号串线形排列的成分分析,现代生成语言学的Chomsky学派认为语法就是有关语言层次结构的由小到大的生成规则,类型逻辑语法等形式语义学理论所谓的语法是指基于逻辑推演的关于自然语言的运行规律;形式语义学强调句法和语义的对应,这是形式语义学的灵魂;形式语义学在语句领域取得了较大成功,而语词领域是语言学侧重的研究方向。从形式语义学比较语言学的不足可以看到其未来发展的思路。     

从社会语言学角度看“X＋女”族汉语新词

新词语既是一种语言现象,又是一种社会现象。研究新词能为更深层地认知语言,跟踪社会的发展轨迹和前进方向提供重要依据。“X＋女”族词语属于近年涌现的新词汇。本文从社会语言学角度出发,对“X＋女”族词语的构词特点、词源等进行了分析,重点联系社会因素对“X＋女”族新词的成因加以分析和阐释,将更好地揭示社会与语言之间的互动关系并对新词的研究起到借鉴作用。     

对新流行词“话语权”的若干思考

“话语权”一词近几年来在中文媒体上出现后被广泛沿用的过程中,在文辞表达上普遍存在着概念模糊、文理不通和逻辑混乱的现象。对此,作者通过分析指出其根本原因,在于该词并不具有可被确切把握和让人们达成共识的真实涵义。进一步从语言学和术语学的角度分别进行深入探索,其结果表明：“话语权”作为普通词语不符合组词规则;对于相关学科（如“传播学”）来说,它也不能成为可以表达某个特定概念的名实相符的专业术语。文章最后还分析指出了该词近几年间之所以能成为”新流行词”的几方面原因。     

旅游法实施背景下网友对“导游员”工作的感知——基于新浪微博文本分析

以2013年国庆期间新浪微博网友关于“旅游法”和“导游”的原创微博为样本,采用数量分析方法,分析网友对旅游法实施后导游工作关注程度的变化以及对旅游法的支持程度,研究表明,国庆期间网友对旅游法实施后导游工作的关注日益增加,认为旅游法的实施对导游工作有正面影响的网友占大多数.使用词频统计法和共现分析法进行内容分析,网友对导游工作的感知主要包括：导游工作需要旅行社和游客的支持和理解;支持旅游法对无证导游的惩罚,但是惩罚力度不足;旅游法对强制消费的约束已初见成效,但部分网友表现出对部分导游工作态度消极的不满;旅游法实施后导游收入下降明显.     

《朱子语类》助词“将”结构及功能研究

《朱子语类》中助词“将”的用例,其结构共9类,以“动语＋将＋趋向补语”为最,出现了“动＋将＋处所补语＋趋向补语”“动＋宾语＋将＋趋向补语”“不＋将＋动＋宾语（趋向补语）”等结构.其属性问题学界有词缀说、介词说和助词说,文章将其定性为助词,语法功能相当于现代汉语“着”“了”“过”.     

均衡论框架下的日语“对称”现象之考察

日语语言学领域存在着许多不同的研究手段与方法。目前尚处于有待于重新认识,需要人们进行分门别类的阶段。鉴于此,对迄今为止的日语研究方法作了系统的整理、归纳与分析。在此基础上,进行了分类,并对不同的类型作了考察与介绍,试图组建一个有关日语研究方法的工具库。引入了＂对称＂的概念,旨在寻求新的分析方法,从结构上对日语进行考察。对日语本身在应用过程中所反映的＂对称＂现象,进行了多方位的考察,并通过对称式均衡模型这一工具,对反映在日语语言世界中的＂对称＂实例进行了详尽的分析。在考察分析的基础上,得知语言结构上的＂对称＂具有相对性和稀缺性,正是这种稀缺性体现了语言表达上的美。还试图以模型的形式,来构筑语言结构学领域的＂对称式均衡论＂的框架基础。     

信号码的一个刻划

设X＊是字母表X的自由幺半群,以X＊为顶点集构造一个语言图Γ（X＊）,引入语言图Γ（X＊）的模截集的概念。利用语言图Γ（X＊）的模截集与极大前缀码的关系,即前缀码A是极大前缀码的充要条件是A是语言图Γ（X＊）的模截集,给出了信号码的一个刻划。     

极大前缀码的一个性质

设X＊是字母表置的自由幺半群,以X＊为顶点集构造一个语言图Г（X＊）,引入语言图Г（X＊）的模截集的概念。利用语言图Г（X＊）的模截集与极大前缀码的关系,即前缀码A是极大前缀码的充要条件是A是语言图Г（X＊）的模截集,给出了极大前缀码的一个性质。     

解读我国英语教育定位的变化

比较《英语课程标准》的2001、2003与2010年三个版本的差异,解读我国建国以来政治、经济发展与英语教育定位的变化,探究从“工具性语言”修订为“公民素质的重要组成部分”、“公民”修订为“国民”、“素质”修订为“素养”及《课标》修订所蕴含的内涵,思考英语教育定位变化一些启示。     

第二语言习得研究模式初探——以汉语程度副词“更”和日语程度副词“もつと”的分析为例

为了探讨母语在什么条件下,如何影响第二语言习得这一重要问题,文中提出了一种二语习得的研究模式.这一模式主要包括以下三方面:①学习者的母语和目的语的对比分析;②两种语言学习者学习状况的双向考察,并提出假说预测学习者的偏误情况;③通过定量研究验证假说,探讨母语对二语学习的影响.文中以汉语程度副词“更”和日语程度副词“もつと”为例对这三方面进行了分析说明,论证了第二语习得研究模式的有效性.     

全局性模态词与基本模态语言的扩充

模态语言是讨论关系结构的一种简洁的语言。基本模态语言是仅有一个模态算子◇的模态语言,用ML（◇）表示此语言,但基本模态语言对框架关系的表达力并不是完全的,加入新的模态算子是增强模态语言表达力的方法之一。在基本模态语言ML（◇）基础上增加全局性模态词“E”得到ML（◇,E）语言,这种更丰富的语言对关系模型和关系框架的表达力明显强于基本模态语言。