ot – Übersetzung – Keybot-Wörterbuch

Spacer TTN Translation Network TTN TTN Login Français English Spacer Help
Ausgangssprachen Zielsprachen
Keybot 4 Ergebnisse  www.amt.it
  Semantika, leksikoloģij...  
  Semantika, leksikoloģij...  
Text zeigenZeige Ausgangstext im CacheURL mit Ausgangstext zeigen
Parasti ontoloģijas, WordNet-us un semantiskos laukus valodnieki ir veidojuši, paļaujoties vienīgi uz pašanalīzi un pasaules zināšanu. Šāda kaut kādā mērā subjektīva metode šobrīd ir pilnveidota un dažreiz ir aizstājama ar datoru radītiem resursiem, pamatojoties uz milzīgām elektronisko tekstu kolekcijām (tādām, kā internets), automātisko gramatikas analīzi un statistiku.
Textseiten vergleichenHTM-Seiten vergleichenURL mit Ausgangstext zeigenURL mit Zielsprache zeigenlingvo.info als Prioritätsdomäne definieren
Traditionally, both ontologies, WordNets and word fields have been built by hand, with linguists relying solely on introspection and world knowledge. This somewhat subjective method has since been enhanced, and sometimes replaced, by computer-generated resources drawing on huge electronic text collections (like the internet), automatic grammatical analysis and statistics. Examples are automatically generated word fields in the form of co-occurence webs (Leipzig Wortschatz), or relational dictionaries (DeepDict, Sketch Engine). They syntactically extract what, for instance, a horse can (a) be [wild, dark, wooden, Trojan], (b) do [neigh, gallop, trot], or (c) have done to [tether, groom], simply by evaluating sentences where the word horse has the syntactic function of noun phrase head, subject or object, respectively.
  Semantika, leksikoloģij...  
Text zeigenZeige Ausgangstext im CacheURL mit Ausgangstext zeigen
Elegants veids paskaidrot metaforu ir paskatīties uz to kā uz semantisku slotu tipu un to pildījumu sadursmi, parasti pamatdaļa uzspiež metaforisku interpretāciju palīgloceklim. Metaforiska ir "apdvēseļotības" pārnešana uz "neapdvēseļotiem" konceptiem, piemēram, kad dzejnieks runā par silta vakara vējiem, glāstošiem sievietes kailu ādu (vējš = AĢENTS) vai spēlētāja pirkstiem, glāstošiem ģitāras izliekumus (ģitāra = IZJUTĒJS).
Textseiten vergleichenHTM-Seiten vergleichenURL mit Ausgangstext zeigenURL mit Zielsprache zeigenlingvo.info als Prioritätsdomäne definieren
An elegant way of explaining metaphor is to look at it as a clash of the semantic types of slot and filler, typically the former forcing a metaphorical interpretation on the latter. For example, there is a metaphorical transfer of animateness to inanimate concepts when a poet speaks of warm evening winds caressing her bare skin (wind = AGENT), or the players' fingers caressing the curves of his guitar (guitar = EXPERIENCER).
Textseiten vergleichenHTM-Seiten vergleichenURL mit Ausgangstext zeigenURL mit Zielsprache zeigenlingvo.info als Prioritätsdomäne definieren
Un moyen élégant d’expliquer les métaphores consiste à les considérer comme des incompatibilités entre les emplacements et les mots qui les occupent, ces derniers forçant généralement une interprétation métaphorique des emplacements. Par exemple, il y a un transfert théorique de caractère animé à des concepts inanimés quand un poète parle d’un vent d’été chaud qui caresse sa peau nue (vent = AGENT), ou les doigts d’un musicien qui caressent les courbes de sa guitare (guitare = PATIENT).
Textseiten vergleichenHTM-Seiten vergleichenURL mit Ausgangstext zeigenURL mit Zielsprache zeigenlingvo.info als Prioritätsdomäne definieren
Eine elegante Weise, eine Metapher zu erklären, besteht darin, sie zu betrachten als das Zusammentreffen der semantischen Typen Schlitz und Füllung, wobei typischerweise ersterer letzterem die metaphorische Interpretation aufzwingt. Zum Beispiel liegt eine metapherartige Übertragung von Belebtheit auf Begriffe von Unbelebtem vor, wenn eine Dichterin davon spricht, dass warme Abendwinde ihre nackte Haut liebkosen (Wind = AGENS), oder dass die Finger eines Musikanten die Kurven seiner Gitarre liebkosen (Gitarre = EXPERIENCER).

Text zeigenZeige Ausgangstext im CacheURL mit Ausgangstext zeigen
Parasti ontoloģijas, WordNet-us un semantiskos laukus valodnieki ir veidojuši, paļaujoties vienīgi uz pašanalīzi un pasaules zināšanu. Šāda kaut kādā mērā subjektīva metode šobrīd ir pilnveidota un dažreiz ir aizstājama ar datoru radītiem resursiem, pamatojoties uz milzīgām elektronisko tekstu kolekcijām (tādām, kā internets), automātisko gramatikas analīzi un statistiku.
Textseiten vergleichenHTM-Seiten vergleichenURL mit Ausgangstext zeigenURL mit Zielsprache zeigenlingvo.info als Prioritätsdomäne definieren
Traditionally, both ontologies, WordNets and word fields have been built by hand, with linguists relying solely on introspection and world knowledge. This somewhat subjective method has since been enhanced, and sometimes replaced, by computer-generated resources drawing on huge electronic text collections (like the internet), automatic grammatical analysis and statistics. Examples are automatically generated word fields in the form of co-occurence webs (Leipzig Wortschatz), or relational dictionaries (DeepDict, Sketch Engine). They syntactically extract what, for instance, a horse can (a) be [wild, dark, wooden, Trojan], (b) do [neigh, gallop, trot], or (c) have done to [tether, groom], simply by evaluating sentences where the word horse has the syntactic function of noun phrase head, subject or object, respectively.
Textseiten vergleichenHTM-Seiten vergleichenURL mit Ausgangstext zeigenURL mit Zielsprache zeigenlingvo.info als Prioritätsdomäne definieren
Traditionnellement, les deux ontologies, WordNet et les champs lexicaux étaient construits à la main, les linguistes ne se fiant qu’à l’introspection et à leur connaissance du monde. Cette méthode plutôt subjective a été améliorée, voire remplacée, par des ressources générées par ordinateur en s’appuyant sur des collections de texte immenses (notamment Internet), l’analyse grammaticale automatique et les statistiques. Par exemple, il existe des champs lexicaux générés automatiquement, sous la forme de réseaux de cooccurrences (Leipzig Wortschatz), et des dictionnaires de relations (DeepDict, Sketch Engine). Ils extraient automatiquement, par exemple, ce qu’un cheval (a) peut être [sauvage, sombre, en bois, de Troie], (b) peut faire [hennir, galoper, trotter] ou (c) ce qu’on peut lui faire [attacher, brosser], simplement en analysant des phrases dans lesquelles le mot cheval a la fonction syntaxique de noyau de groupe nominal, de subjet ou d’objet.