growth的名词形式

2024-07-16

growth的名词形式（通用19篇）

篇1：growth的名词形式

The area has seen a rapid population growth.

这个地区人口快速增长。

Their prosperity depends on export-led growth.

他们的`繁荣依靠的是出口带来的增长。

Growth has not been uniform across the country.

全国各地的发展程度不一。

篇2：growth的名词形式

他注意到罗尓夫默默地站在窗旁。

Lenny moved swiftly and silently across the front lawn.

兰尼快速并且无声地穿过前面的草坪。

He remained silent for some time.

他好长时间都保持沉默。

The house was unnaturally silent.

篇3：growth的名词形式

一、只用「こと」的情况

形式体言「こと」是由实质名词「事」转化而来的。其用法如下。

1、后续动词是「話す、言う、伝える、書く、知らせる、要求する、提案する」等表示“传达意义”的动词时。

(1) 授業に出られないことを先生に伝えました。 (把不能去上课的消息告诉了老师。)

(2) 課長は、明日の八時に集合することを提案しました。 (科长提议明早8点集合。)

(3) あの人はよく面白いことを言って、みんなを笑わせます。 (那个人总讲一些有趣的事逗大家笑。)

2、后续动词是「許す、祈る、提出する、決める、頼む、約束する」等意志动词时。

(4) 明日、図書館で会うことを約束しました。 (约好了明天在图书馆见面。)

(5) ご病気を早くよくなることを祈っています。 (祝愿你的病情早日康复。)

(6) 朝は早く起きることに決めている。 (我规定早上早起床。)

3、后续动词是「信じる、思う、考える、理解する、思い当たる、疑う」等思考动词时。

(7) 彼の言うことは信じられない。 (我不能相信他所说的事情。)

(8) あの二人は結婚することをだれも思わなかった。 (谁也想不到他俩结婚了。)

(9) 彼が優勝したことを思いついた。 (我想到了他会赢。)

4、后续动词是「表す、示す、指摘する、証明する、指す」等表示“表达”动词时。

(10) 薬指の指 (6は、彼女が結婚していることを証明していた。 (无名指上的戒指证明她已婚。)

(11) 報告書は、近年日本語を勉強している人が急増したことを指摘している。 (报告指出近年学习日语的人激增。)

(12) 格差が拡大していることを示した。 (表示差别在扩大。)

5、后续「です、だ、である」等形式时。

(13) 私の趣味は映画を見ることです。 (我的兴趣是看电影。)

(14) 一番うれしかったのは海に行ったことだ。 (最开心的事是去了海边。)

6、出现「ことがある」「ことができる」「ことにする」「ことになる」「要言連体形+ことに (は) 」等表现时。

(15) 朝は電車に乗れないことがある。 (早晨有时坐不上车。)

(16) 彼は会社を辞めることになった。 (他向公司辞了职。)

(17) うれしいことには、今年のボーナスは去年よりずっとアップした。 (让人高兴的是今天的奖金比去年多多了。)

二、只用「の」的情况

「の」是由格助词转来的, 又称为准体助词, 其用法如下。

1、后续动词是「見る、見える、聞く、聞こえる、見かける」等知觉动词时。

(18) 隣の家で誰かが叫んでいるのが聞こえる。 (听到隔壁有人在叫。)

(19) 教室に入って、学生がタバコを飲んでいるのを見つけた。 (进了教室, 发现有学生在抽烟。)

2、后续动词是「待つ、手伝う、邪魔する、写す」等动作动词时。

(20) 子供が溺れているのを助けた。 (救了溺水的孩子。)

(21) このパソコンを運ぶのを手伝ってください。 (请帮忙搬这个电脑。)

3、后续动词「止 (と) める」时。

(22) 父は娘がタバコを吸っているのを止めた。 (父亲阻止了女儿吸烟。)

(23) 彼が出ていこうとするのを止めた。 (我不让他出门。)

4、强调句式, 把「AはBだ」转换成「BのはAだ」时。

(24) 今笑ったのは君だろう。 (刚刚是你笑的吧?)

(25) 私が日本へ行ったのは三年前です。 (我去日本是三年前的事情了。)

三、二者互换的情况

1、当句子主语成分是动作性动词, 谓语是形容词时。

(26) 毎朝体操する (こと/の) は体にいいです。 (每天清晨做操有利于身体健康。)

(27) 自分に合った職場を探す (こと/の) は難しいです。 (找到适合自己的工作不易。)

(28) 年を取っていると、外国語を覚える (こと/の) は大変です。 (上了年纪的话, 学习外语很困难。)

2、后续动词是「発見する、知る、分かる、覚える、思い出す、気づく、忘れる」等认知动词时。

(29) 昨日、富士ホテルで火事があった (こと/の) を知っていますか。 (昨天富士酒店着火的事情你知道吗?)

(30) 誰かが部屋に入ってきた (こと/の) に気付いた。 (发现谁进了房间。)

(31) バイトの申し込みの締め切りは今日だった (ことの) を忘れました。 (我忘记申请打工的截止日期是今天了。)

3、后续动词是「やめる、避ける、防ぐ、成功する、失敗する」等动词时。

(32) 従業員は汚水が畑に流れ込んだ (こと/の) を防いだ。 (工作人员防止污水流入稻田。)

(33) おじいさんは毎晩お酒を飲む (こと/の) をやめた。 (爷爷戒掉了每晚喝酒的习惯。)

(34) ボートで世界一周する (こと/の) に成功した。 (划艇绕世界一周获得成功。)

四、结语

本文详细地分别对形式名词「こと」和「の」的用法进行了分类, 并整理归纳了二者单独使用和互换的场合, 根据后续动词的不同, 二者在用法上即有差异也有相同之处。

参考文献

[1]皮细庚.日语概说[M].上海外语教育出版社, 2002.

[2]#12

篇4：复合名词的复数形式

1． AB类。通常把最后一个词变为复数。如：

bookshelf → bookshelves

silkworm → silkworms

pathfinder →pathfinders

2. A B类。一般把最后一个词变为复数。如：

black sheep → black sheep

green house → green houses

但由man, woman构成的复合名词例外，两个词通常都要变为复数。如：

woman doctor → women doctors

man driver → men drivers

woman servant → women servants

man singer → men singers

3. A-B类。（1）重心在A上。

用连字符连接的复合名词变为复数时，如果复合词中第一个词是名词或更重要，一般把第一个名词变为复数。

passer-by →passers-by

looker-on → lookers-on

sister-in-law → sisters-in-law

runner-up → runners-up

（2）重心在B上。

这类词变复数，通常变后一个词。

grown-up → grown-ups

new-born → new-borns

step-mother → step-mothers

根据以上知识，请完成下列各题：

（1）are now easy to find jobs.

A. Woman driver

B. Woman drivers

C. Women driver

D. Women drivers

(2) In ten year’s time, all those youngsters will become .

A. grown-ups B. growns-up

C. growns-upsD. grown-up

(3)The Nazi kept thosein their concentration camps（集中营）.

A. prisoner-of-wars

B. prisoners-of-wars

C. prisoners-of-war

D. prisoner-of-war

篇5：long的名词形式和动词形式

The bureaucrats dallied too long.

官僚们延误了太长时间。

The long blades clashed together.

长刀相击铿然作响。

The table is six feet long.

那张桌子长六英尺。

Have you been waiting long?

你等了很长时间吗?

He shrieked a long, wordless cry.

篇6：活动的名词形式

人的活动：

活动和动作都是以实现预定目的为特征的，但是动作受单一目的的制约。而活动则受一种完整的目的和动机系统的.制约。活动是由一系列动作构成的系统。

活动总要指向一定的对象。对象有两种：

①制约着活动的客观事物。

篇7：名词的复数形式

名词的复数形式，一般在单数形式后面加-s或-es。现将构成方法与读音规则列表如下：规则例词一般情况在词尾加-s map-maps, sea-seas, girl-girls, day-days 2 以s, x, ch, sh结尾的名词后加-es class-classes, box-boxes, watch-watches, dish-dishes 3 以-f或-fe结尾的词变-f和-fe为v再加-es leaf-leaves, thief-thieves, knife-knives, loaf-loaves, wife-wives 加-s belief-beliefs, chief-chiefs, proof-proofs, roof-roofs, gulf-gulfs 4 以辅音字母加y结尾的名词，变y为i加-es party-parties, family-families, story-stories, city-cities 5 以元音字母加y结尾的名词，或专有名词以y结尾的，加-s toy-toys, boy-boys, day-days, ray-rays, Henry-Henrys 6 以辅音字母加-o结尾的名词一般加-es hero-heroes, Negro-Negroes, potato-potatoes, tomato-tomatoes 不少外来词加-s piano-pianos, photo-photos, auto-autos, kilo-kilos, solo-solos 两者皆可 zero-zeros/zeroes, volcano-volcanoes/ volcanos 7 以元音字母加-o结尾的名词加-s radio-radios, bamboo-bamboos, zoo-zoos 8 以-th结尾的名词加-s truth-truths, mouth-mouths, month-months, path-paths, 2.不规则名词复数：

英语里有些名词的复数形式是不规则的，现归纳如下：规则例词改变名词中的元音字母或其他形式 man-men, woman-women, foot-feet, goose-geese, mouse-mice 2 单复数相同 sheep, deer, series, means, works, fish, species li, yuan, jin, 3 只有复数形式 ashes, trousers, clothes, thanks, goods, glasses, compasses, contents 4 一些集体名词总是用作复数 people, police, cattle, staff 5 部分集体名词既可以作单数（整体）也可以作复数（成员）audience, class, family, crowd, couple, group, committee, government, population, crew, team, public, enemy, party 6 复数形式表示特别含义 customs(海关), forces(军队), times(时代), spirits(情绪), drinks(饮料), sands(沙滩), papers(文件报纸), manners(礼貌), looks(外表), brains(头脑智力), greens(青菜), ruins(废墟)7 表示“某国人” 加-s Americans, Australians, Germans, Greeks, Swedes, Europeans 单复数同形Swiss, Portuguese, Chinese, Japanese 以-man或-woman结尾的改为-men,-women Englishmen, Frenchwomen 8 合成名词将主体名词变为复数 sons-in-law, lookers-on, passers-by, story-tellers, boy friends 无主体名词时将最后一部分变为复数 grown-ups, housewives, stopwatches 将两部分变为复数 women singers, men servants

篇8：growth的名词形式

现如今稍具规模的数据中心或信息综合平台每天会产生大量的日志,如何实现对日志进行统一管理与分析,通过日志分析找出潜在的威胁和攻击,及时了解各系统和设备的运行状况,是网络管理和系统管理需要解决的问题。

本系统主要针对数据中心产生的Web日志进行研究,基于FP-Growth算法[2]对同一Web站点的不同日志事件进行联动挖掘分析,发现传统安全设备漏报或无法检测出的新型攻击事件,得出平台整体的安全态势,为数据中心正常运转提供安全保障。

1 安全日志分析系统的设计

安全日志分析系统收集数据平台中产生的Web访问日志,将日志进行预处理,统一字段格式,并通过FP-Growth算法挖掘出关联规则,最终将分析出的结果通过图表和报告的方式呈现。体系架构如图1所示。

系统的主要功能模块包括日志预处理模块、数据分析模块和信息显示模块。

日志预处理模块:对原始日志进行解析、数据清理、用户识别等操作,完成最基本的数据处理功能,为下一步数据关联分析提供规范的数据。

数据分析模块:系统的核心模块。可进行匹配分析和相关统计分析,并通过FP-Growth算法对日志数据进行处理,发现隐藏在数据背后的异常情况。

信息展示模块:将统计分析结果通过图表、报表等直观的方式呈现,方便系统管理者查看网络运行状况、分析事件或行为的安全等级,及时做出应对措施。

2 安全日志分析系统的实现

2.1 日志预处理模块

日志预处理模块负责对收集到的原始日志数据进行初步整理,完成数据分析前的准备工作。需要将原始Web日志文件中的数据先进行解析,然后提取、分解、合并,最后转化成适合进行数据挖掘的格式,并形成用户会话文件,等待进一步的分析。

本文所要分析的数据取自电子政务平台产生的web日志数据,访问地址、访问IP、用户代理等组成web日志记录,其具体信息如下

首先解析原始日志记录,过滤掉无关信息,使其满足配置文件定义的格式。简单处理后的一条日志记录需包含规定字段,每个字段间用“,|”分隔。表1列出了各字段名称及含义。

接着对解析后的日志进行预处理,包括数据清理、用户识别、会话识别等。

数据清理是根据需求去除Web日志数据中的冗余无效数据以及错误数据。本系统只关心用户访问页面的记录,而与用户行为分析无关的图片、视频等信息可清除。

日志文件中记录了所有用户的访问情况,用户识别就是将每一个用户的访问情况记录区分开。本文日志中的用户是根据访问IP、浏览器和操作系统来进行识别,即不同IP代表不同的用户,同一IP但若日志中的user_agent信息不同,就判定为不同用户。

会话识别是对用户识别结果的进一步识别,经用户识别找到日志文件中每一个用户的访问情况记录,这些日志中可能包括了用户的多次访问,所以就需要会话识别将这些记录识别成多个按时间排序的访问记录。本文以每30分钟为一个时间片段来对会话进行判定。

2.2 数据分析模块

数据分析模块包含两个部分,对解析后日志的常规分析和对预处理后日志的关联挖掘分析。

2.2.1 常规分析

该部分主要完成对解析后日志数据的基本统计和攻击分析。统计是一种最简单、最基本的挖掘,可在一定程度上反映出用户的行为和系统的状态,比如对访问页面、来源、地域分布、操作系统和浏览器等进行的分析。攻击分析则是根据事先定义的规则库,对日志的普通攻击和异常访问事件做统计。图2为日志常规分析流程。

分析前先配置基本信息,在配置文件config.ini中根据自身的需求选择对应的选项,包括日志自定义格式、url分析类型等;日志解析过程,读取一行日志,根据之前选择的日志类型匹配正则表达式,拆分每一个字段;分析过程,先按照配置文件中的选项对日志进行过滤,然后依据规则库分析,这里分析Web日志主要与请求URL字段有关。

2.2.2 关联挖掘

关联分析模块是最核心的模块,主要任务是接收来自预处理模块的数据,挖掘隐藏在数据间的相互关系,自动探测以前未发现的隐藏着的模式。采用FP-Growth算法对日志进行挖掘,发现用户的行为模式进而得出感兴趣的安全信息。该部分运行过程如图3所示。

下面从Web日志中提取几组数据,举例说明利用FP-Growth算法对一组Web日志进行关联性分析的方法和过程。首先,将提取的日志按照前面讲述的方法和步骤进行数据预处理,处理后的日志事件形式如表2所示。

其中,ID代表日志事件编号,H1、H2代表被访问的主机,也即安全事件中的攻击样本;U1、U2、U3代表不同的独立用户,由访问IP和Agent决定;T80代表8:00~8:30这一时间段。同理,T85则代表8:30~9:00这一时间段;事件级别分为安全、异常访问和普通攻击3类,分别用S、N、A表示。

按访问主机分类整理,转换为事务数据库表。根据提取的日志数量设定最小支持度为20%,计算最小支持度计数为2。分别统计结果,去掉不满足支持度计数的项T85、A、U3和S,按降序重新排列,生成频繁1-项集事务数据表,分别构建FP-Tree,如图4所示。

从图4的挖掘结果中,可得到3项频繁集:(H1,U1,T80:2)、(H1,U1,T90:2)和(H2、U3、T90:2),可确定为强关联规则。

挖掘的样本量足够大,可出现4项频繁集,进一步得出完整的规则,例如某主机在某个时间段易受到来自某个用户的异常访问或普通攻击,攻击的类型等。

2.3 信息展示模块

日志分析提供及时、相关并且准确的关联数据和信息除了应用在实时对网络安全事件的处理外,应以特定格式的报告形式出现。根据不同的需要,可生成攻击类型、攻击目标的报表,也可生成网络安全趋势分析、安全状态的报表以及对网络事件的解决方案报表等。

为了更好的用户体验,输出简单清晰的格式化分析结果,以报表形式展示,方便系统管理员分析安全问题,更好地进行后续处理。

3 实验与结论

在实验中,采用陕西省电子政务平台的Web日志作为数据输入,通过安全日志分析系统进行分析,获得如下处理结果。

(1)常规分析。对Web日志的统计进行了java实现,生成日志常规分析报告,可清楚地了解到用户访问活动信息。其中,日志的总访问量为2 041 454,PV数(Page View,页面浏览量)为1 941 040,UV数(Unique Visitor,独立访客)为55 160,独立IP数为28 886。

分析IP流量最TOP页面信息可知,用户202.102.90.75访问次数最高,访问占比达到53.419%。通过浏览器和平台的分布情况看出,用户大部分采用的是Chrome31浏览器,其次使用的是IE8浏览器;

(2)异常访问分析。匹配规则库,统计普通攻击和异常访问事件得到异常访问分析报告,报告中展示了Web站点的攻击概况。可以看出,对站点www.snedu.gov.cn的攻击频率最高,达到67 581次,攻击类型有13种,攻击来源261个。通过Web站点的攻击类型分析报表可知,对站点www.snedu.gov.cn的攻击类型包括远程代码执行漏洞攻击、SQL盲注攻击探测、WVS扫描、敏感目录访问、文件包含漏洞攻击、特殊字符URL访问、跨站脚本攻击(XSS)等13种。其中,远程代码执行漏洞攻击次数最多,占42.35%;SQL盲注攻击探测次之,占25.17%。通过Web站点的攻击来源分析报表可知,在对站点www.snedu.gov.cn的众多攻击来源中,220.181.108.161、219.145.19.195和125.82.196.32的攻击居多;

(3)关联分析。采用FP-Growth算法对预处理后的日志进行挖掘得到频繁项集,结合支持数,推出关联规则以及其置信度,为更清楚地显示挖掘结果,以表格的形式将部分挖掘结果表现出来,如表3所示。

从上表的挖掘结果可以得出结论:用户220.176.205.100在22:00~22:30时间段对www.sxaudit.gov.cn的请求有56%的可能性是普通攻击;在4:00~4:30时间段对www.snedu.gov.cn的普通攻击有32%的可能性来自于用户202.102.90.75。系统管理员可利用这些规则找到入侵或非常规请求的线索,解决潜在的Web安全问题,保证平台的稳定运行。

4 结束语

篇9：名词的单复数形式

下面作简单的解释：

一般的名词词尾直接加-s。

例如：book → books room → rooms

以s, ss, ch, sh, x 结尾的名词，在词尾加-es。

例如：bus → buses dress → dresses

peach → peaches dish → dishes

box → boxes

以“辅音字母+y”结尾的名词，要先将y改为i再加-es。

例如：city → cities party→-parties

以f 或fe 结尾的名词，要将f或fe改为v再加-es。例如：

knife → knives thief → thieves

拥有特殊的复数形式的名词。

① child → children

② man → men woman → women

policeman → policemen

③foot → feet tooth → teeth

④sheep, Chinese, English单、复数同形

Tip：

people单数形式表示复数意义，要求谓语动词用复数；people的复数形式

peoples通常指“多个民族”的意思。

篇10：equal的名词形式

Can our industry compete on equal terms with its overseas rivals?

我们的工业能与海外对手以平等的地位竞争吗?

We are all equal in the sight of God.

在上帝眼里我们都是平等的.。

All things being equal, we should finish the job tomorrow.

一切照常的`话，我们明天应该能完成这项工作。

She treats the people who work for her as her equals.

她以平等的身份对待为她工作的人。

Our thanks are due in equal measure to every member of the team.

篇11：initiate的名词形式

为寻找合适的`引发体系，人们进行了各种尝试。

Research progresses on Influence of Initiation charge location for blasting effect

起爆药包位置影响爆破效果的研究进展

Study on the Fracture Initiation and Propagation Model for Horizontal Well Fracturing

水平井压裂起裂机理及裂缝延伸模型研究

P2P Technology Initiation Copyright Right Infringement Question International Law Research

篇12：true的名词形式

我是一名真理的追求者。

Is there any truth to the rumours?

这些谣传有事实根据吗?

To some extent this was the truth.

篇13：growth的名词形式

1 关联规则及相关术语

1.1 关联规则概述

数据挖掘一般是指, 通过算法搜索隐藏于大量数据中的信息的过程。所以, 数据挖掘又被称作知识发现。关联规则挖掘是数据挖掘中的一个非常重要的课题, 它是通过对数据进行一些科学计算、数据统计及分析等来发现事物之间可能存在的关联或关系。

1.2 重要概念及相关术语

设I={i1, i2, i3, ……, im}是数据项的集合, 其中每一个数据项im可以是一种商品的名称、课程成绩等。设D为与任务相关的数据集合, 或者称为一个事务数据库, 大家可以把它想像成超市中所有顾客购物小票的集合, 其中每个交易 (可看作超市中每个顾客的购物小票) T是数据项集合I的子集, 即;T⊆I, 每个事务有且只有一个唯一的标识编号TID。

一条关联规则是形如下面的蕴含式。

X⇒Y, X、Y满足:X、Y是I的真子集, 并且X和Y的交集为空集。其中X称为前件, Y称为后件。

对于关联规则X⇒Y, 其支持度为项集 (X, Y) 与事务数据库D中事务总数的比, 故支持度可表示为: (support) = (X, Y) .count/D.count, 置信度 (confidence) = (X, Y) .count/X.count。其中 (X, Y) .count表示事务数据库D中同时包含数据项X和数据项Y的事务的个数, 同理, X.count、Y.count分别表示D中包含数据项X、Y的事务个数。关联规则就是从事务集合中挖掘出满足最小支持度和最小置信度的所有关联项, 这样的关联规则也被称为强关联规则。

项集的出现频率是包含项的事务数, 简称为项集的频率、支持计数或计数。如果项集的出现频率大于或等于给定的最小支持度min_sup与事务总数的乘积, 则称项集满足最小支持度。如果项集满足最小支持度, 则称它为频繁项集 (Frequent Itemset) 。

2 FP-Growth算法

为了避免像Apriori算法一样在产生关联规则过程中产生大量候选项目集且多次扫描数据库, Han等提出了基于频繁增长模式 (Frequent-Pattern Growth, FP-Growth) 的算法。

2.1 FP-Growth算法基本思想

FP-Growth算法是通过压缩数据结构 (FrequentPattern Tree) 来保存关联规则中所蕴藏的数据, 它的任务是将数据集存储在一个被称作FPtree的特定结构之中, 来发现频繁项集或者频繁项对 (常在一起出现的数据项的集合) 。FP树的执行速度要快于Apriori, 通常性能要好两个数量级以上。

FP-Growth算法是一种对输入数据的压缩表示, 该算法是通过将逐个读入的事务映射到FP树中的一条路径来构造的, 由于不同事务可能会有若干个相同的数据项, 因此, 在映射到FP树的过程中它们的路径可能会出现重叠部分。路径当中重叠越多, 使用FP树结构获得的压缩效果越好。该算法需要扫描2次事务数据库, 其基本思想如下:

(1) 第1次扫描事务数据库D, 找出频繁项集, 并且将D中各事务中的数据项按照支持度降序排列, 并且删除小于最小支持度的项, 形成新的事务数据库U;

(2) 第2次扫描事务数据库U, 以空结点NULL为根节点来构建FP树, 创建项头表H, 该表中每一行包含频繁项名、出现频率及一个指向FP-tree中对应节点的指针;

(3) 利用递归算法对FP-tree进行挖掘, 找出所有频繁项集。

2.2 对FP-tree进行模式挖掘

在整个过程中对FP-tree进行挖掘是最重要的, 对于一个构建好的FP-tree进行频繁项集挖掘可通过调用递归函数FP_growth (Tree, null) 进行, 实现过程如下:

Procedure FP_growth (Tree, α)

(1) if Tree含单个路径Rthen;

(2) for路径R中各节点的所有组合 (记作β) ;

(3) 产生模式, β∪α, 其支持度support=β中节点的最小支持度;

(4) elsefor eachαi, 在树的头部{;

(5) 产生一个模式β=αi∪α, 其支持度support=αi.support;

(6) 构造β的条件模式基, 然后构造β的条件FP树Treeβ;

(7) if Treeβ≠φthen;

(8) 调用FP_growth (Treeβ, β) }。

3 利用FP-Growth算法分析学生成绩的基本步骤

在实际生活中, 数据存储方式多种多样, 而且数据大多数都是不完整并且不一致的, 这样可能导致挖掘的结果不尽人意, 更有可能无法直接用数据挖掘方法。因此, 为了有效提高数据挖掘质量, 一般要对挖掘的数据进行一些预处理, 如数据清理、数据集成等。

3.1 数据清理与集成

本文研究的学生成绩数据库不仅时间跨度长, 而且数据量大。数据在输入过程中难免出现错误, 而且在存储格式上也存在差异, 数据清理与集成要做的就是清除错误数据, 并将清理后的数据按照统一格式放在数据仓库中, 以便进行数据挖掘。

3.2 数据选择与变换

数据选择的目的就是从数据库中提取与分析任务相关的数据, 删除无关数据, 以便有效利用系统资源。本文研究的是课程之间的相互关联性, 所以, 在学生成绩分析中可去除学生姓名及班级等与分析无关的字段。

在实际教学中, 由于各课程之间教学方法及考核方式存在差异性, 需要对数据进行变换。也就是对学生成绩进行关联分析挖掘之前, 需要对学生成绩表中的数据进行概化, 即转换成离散属性。对于离散化后的数据将其转换为布尔量。例如, 假如每门课程的优秀率占班级总人数的10%, 可以将这10%的人用A表示, 良好率为35%, 记作B, 以此类推, 中等率、合格率及不及格率分别用C、D、E表示。这就是将数据离散化的过程。接下来将课程达到相应等级的学生成绩用布尔表达式来表示, 例如, 在等级为B的数据库中, 10101表示某学生的第1、3、5这几科成绩等级为B。事务数据表如表1所示:

3.3 数据挖掘

对数据进行完预处理后即可利用FP-Growth算法对数据进行关联规则分析, 设定最小支持度为10%, 置信度为60%, 最后得到如下形式的结果:grade (C1, A) ⇒grade (C2, A) 。此结果表示在研究的成绩表中, 有10%的学生在课程1取得A等级的情况下, 在这些学生中有60%其课程2也取得了A。

4 结语

本文利用数据挖掘算法对高校中的学生成绩进行了分析, 得出了某些课程之间的关系, 以便辅助教务部门进行合理的课程安排。随着大数据的发展, 数据挖掘技术越来越重要, 其应用也越来越广泛。

参考文献

[1]王员根, 李爱凤.关联规则挖掘在学分制教学管理中的应用[J].中山大学学报论丛, 2007 (2) .

[2]李金娟, 王卫锋.基于FP-growth算法在学生成绩中的关联规则分析[J].巢湖学院学报, 2007 (9) .

[3]刘锋, 严的兵.数据挖掘在学生成绩分析中的应用[J].电脑知识与技术, 2011 (7) .

[4]方蓉.基于关联规则的数据挖掘算法的分析及应用[J].理论与算法, 2016 (1) .

篇14：论日译汉中形式名词的翻译

【关键词】形式名词日语翻译翻译特点翻译技巧

形式名词作为日语中特有的语法成分，包括汉语在内，都没有与它相对应的形式，加上形式名词大多在句中起语法作用，没有或很少有独立的词汇意义，因此做日译汉翻译时倍感困难。翻译时必须以透彻理解全句的意思为前提，忠实表达原文的意义，不拘泥于原来的词意，对形式名词作出恰如其分的处理。以下将就形式名词的翻译技巧为中心，以一些笔者在一些教材资料或翻译练习实践中遇到的“こと”“もの”“の”的典型句子为实例，对形式名词的译法作出详细阐述。

一、需要译出具体意义

こと：

（1）こういうことはやや誇張した話だろう。（这种说法也许有些夸张。）

（2）空気は酸素?窒素などの混合物であることを調べよう。（我们来研究一下空气是氧、氮等气体的混合物这一事实。）

（3）みんなは、大家事の時に、あんなことをいうのは非常識だと考えた。（大家都认为，在发生大火之际，说那样的话太不懂事理。

（4）私たちの周囲には、ちょっと考えると不思議に思われることがずいぶんたくさんある。（在我们周围，有很多事情是稍微想一想就会觉得挺怪的。）

以上译文可以看出，“こと”虽然是表示“事”，但在具体的语言环境中，分别译作“说法” “这一事实” “话” “事情”，灵活翻译之后，句子意思更明确，前后句的语义更连贯。这种情况下，应该译出形式名词的词义。

もの：

（5）新しいものは綺麗です。（新的东西是漂亮的。）

（6）言葉を習うために、あまり難しいものを読むのはいい方法ではない。（为了学习语言，读太难的东西，不是好方法。）

（7）しかし、どちらかといえば、わからないものの方が多いのである。（不过，说起来，还是不知道的东西多。）

（8）ローマ時代の食器らしいものはヨーロッパ各国の博物館に陳列されている。（罗马时代类似餐具的器皿，现在陈列在欧洲各国的博物馆内。）

以上四例中出现的“もの”，经过翻译处理，灵活译为“东西”“器皿”，需要注意的是，虽然同样译为“东西”，（5）（6）（7）译文中所表达的意思或抽象或具体，只要意思明确传达的信息无误即可。

の：

（9）化学変化では、熱の発生や吸収をおもなうのが普通である。（化学变化，一般伴有放热和吸热现象。）

（10）私の描くのは、人間の心の象徴としての風景である。（我所描绘的是作为人的心灵的象征的那种风景。）

“の”在以上两句中分别译为“现象” “……的是”，这是“の”作为形式名词的很典型的两种用法，翻译时也比较好处理。需要指出的是，由形式名词“の”和判断助动词构成的“のだ” “のです”“のである”在日语口头和书面语言中出现的频率很高。为了加强语气，或表示强调，往往在句子末尾，用这一类形式来表示有事实根据的说明、叙述理由以及提出问题，翻译时最好体现出这种细微的意义。

（11）彼と約束しましたので、どうしても行かなければならないのです。（和他约好了，所以非去不可。）

（12）みんなが行くのに、あなたはどうして行かないのですか。（大家都去，可你为什么不去呢？）

（13）彼はもう抵抗しなかった。諦めたのだ。（他已经放弃了反抗，认定命该如此了。）

（14）ぼくはどうしても今日行くのだ。（今天我无论如何一定去。）

从“のです”的用法来看，例（11）和（13）表示叙述理由，例（12）是一种疑问的语气，例（14）表示的是说话者的决心，在翻译的时候，应该根据说话者的意图翻译出不同的细微意义。

此外，“のだ”句与汉语“是……的”句从语法形式和语法意义来说，有很多的相似之处，但从翻译实例来看，在翻译“のだ”句时，不要一律用“是……的”这种翻译模式去生搬硬套，避免译文生硬不通。

（15）手紙は私が書いたのです。

（16）あの人は何も知らないんのです。

（17）雨が降っているんだ。

（18）その短い瞬間に、彼は娘の声を聞いたのだ。

就上面的三个例句来看，例（15）（16）可以分别翻译为“信是我写的” “他是什么也不知道的”，但是，例（17）若翻译成“雨是正在下的”就不通顺了，这种情况下可以灵活翻译成“下着雨哪”即可。例（18）的“のだ”在此处可以略去不译，意思反而简洁明快。译为“在这一瞬间，他听到了女儿的喊声”。

二、略去不译

以上列出的关于“こと”“もの”“の”的例句，都是需要根據具体的语境翻译出意义，但在有的情况下，形式名词很难译出相应的词，且这些形式名词在句中只起到语法作用而并没有实质意义，这种情况下，可略去不译。

（19）外界の酸素の量は一定であり、もし変化するとしても、減ることはあっても増加することはない。

（20）このように、歴史を調べてみると、どうしてということがある程度わかることがあるものである。

（21）天気がいい日、飛行機に乗って地上を見降ろすのは、気持ちもいいし、面白い。

以上例句中的形式名词均可不必译出，因为这些形式名词只是充当了语法成分，并没有或者缺少实质性的意义，只是在形式上使用它们。下面来看看文学作品中的形式名词不译出的情况，根据不同的译文来进行比较。

（22）それは、前前から須山の約束で、工場から一緒に帰ることはお避けていたからである。そんなことをすれば、他の人の眼につくし、万一のことがあった時には一人だけの犠牲では済まないであった。（『堂生活者』小林多喜二）

译文① 因为我早就和须山约好：不要在放工的时候一块回去，恐怕被别人看见，万一以后出来什么事，就会互相牵连。

译文②原因是，我很早以前就跟须山约定，我们彼此是避免从工厂一块下工的，因为那样会引人注目，一旦发生意外，牺牲就不止一个人了。

译文③因为我早就跟须山约好了，要互相避免一块从工厂回家；否则让别人看在眼里，将来万一出了事，牺牲的就不只是一个人。

原文“工場から一緒に帰ることは”里的“こと”是形式名词，它本身无词汇意义，加上“工場から一緒に帰る”，意思就完整了。在“こと”的后面加上“は”，可做提示语。“そんなことをすれば”里的“こと”也是形式名词。三位译者都没有把这两个“こと”译出来。

（23）煙が天の河を流れるのと逆に天の河がさあっと流れ去りてきた。屋根を外れたポンプの水先が揺れて、水煙となって薄白いのも、天の河の光が映るかのようだった。

（『雪国』川端康成）

译文①烟和银河的流动方向相反，银河降下來了。水唧筒的水头没有碰上屋顶，在摇晃着，形成稀薄的白色水烟，好像映射出银河的光。

译文②黑烟冲上银河，相反的，银河倏然倾斜下来。喷射在屋顶以外的水柱，摇摇曳曳，变成了蒙蒙的水雾，也映着银河的亮光。

“煙が天の河を流れるのと逆に”里的“の”是形式名词，“水煙となって薄白いのも” 里的“の”也是形式名词。两种译文都没把这两个“の”翻译出来。

三、结论

从上面的论述中我们可以看出，形式名词的翻译必须要结合语境，根据上下文的意思，该译的就译，不该译的就不要译，并且在翻译的过程中不拘泥于形式名词原来的词意。对于某些增添某种意义的形式名词，要根据上下文的意思和汉语的表达习惯进行翻译。

形式名词的使用比较复杂，翻译的过程中也经常会遇到由形式名词加上一些其他的词组合成的连语或惯用语，比如“～ことから” “～ことには” “～ものがある”等等，这就要求我们继续深化对形式名词的研究，在翻译的时候注意切忌按字面意思去猜，要把原文的确切含义翻译出来。

参考文献：

[1]吴大刚.汉译日翻译问题[M].华东理工大学出版社，2009.

篇15：direct的名词形式

释义：n. 方向；定向；适应；情况介绍

短语：

1、interior orientation内部定向。

2、orientation meeting新生报到会。

3、uniaxial orientation单轴取向。

4、Orientation Law定位法则。

篇16：float的名词形式

不同的.人在我的生命中出现和消失。

The company was floated on the stock market in .

这家公司于上市。

A plastic bag was floating in the water.

篇17：invent的名词形式

He invented the first electric clock

他发明了第一个电动机械钟。

People are inventing new sports or games all the time.

人们不断地创造着新的运动和比赛。

She invented false news.

篇18：growth的名词形式

互联网的飞速发展带动了网络销售的巨大增长,相关数据显示,我国网络用户购物规模已达到3.61亿,网民使用互联网购物的比例达到55.7%[1]。庞大的网购用户群体产生了海量的用户购买数据,传统的关联规则挖掘算法在面对海量数据处理时已无法在人们可以接受的时间内得到挖掘结果,而基于云计算的分布式挖掘算法为海量数据处理提供了一条有效途径。

云计算作为一种新兴的计算模型,可以将海量数据分析任务分布在多个节点构成的系统中,使不同节点能够共享计算力和存储空间,极大增强了系统计算能力[2]。在云计算领域,MapReduce是谷歌公司提出的一种数据处理并行计算模式,也是云计算领域的核心计算模式[3]。到目前为止,多家科研机构都研发了自己的基于MapReduce的数据处理系统。其中Apache基金开发的Hadoop平台是MapReduce的一种开源实现,也是当今学术界和业界应用范围最广的云计算平台[4]。

多位专家学者对海量数据处理的并行化关联规则算法进行了研究。杨泽民[5]提出了一种基于云计算模型的增量更新算法CIUM,用以降低关联规则增量更新算法挖掘时间。李玲娟等[6]将传统的Apriori算法进行了并行化改进,吕雪骥等[7]将经典FP-Growth算法引入云计算平台提出了MR-FP算法。本文则采用相关支持度二维表的方法构造FP-Growth改进算法,即NEW-FP算法,并将之作并行化改进以应用于云计算平台。

1 FP-Growth算法改进

传统的Apriori算法瓶颈在于每生成一次长频繁模式时都需要对数据库遍历一次,这极大地延长了算法的运行时间。FP-Growth算法能够很好地解决该问题,它采用了频繁模式树的数据结构,从项头表中支持度计数最小的项开始递归运算,避免了Apriori需要不断遍历数据库的缺陷。算法具体实施过程如图1所示。

在经典算法建立条件模式树的步骤中,每次形成新的条件模式树时都需要遍历条件模式基,这给服务器造成了很大负担,也影响了算法的运行效率。在经典算法的基础上笔者提出了改进的NEW-FP算法,NEW-FP算法使用了相关支持度二维表,算法在首次对事务集合T进行遍历时创建二维向量,记录每个事务中两个不同项之间的支持度计数。在进行递归运算时无需两次遍历条件模式基,事物项支持度可以从相关支持度矩阵中获得。本文提出的NEW-FP算法包含如下步骤:

(1)创建原始FP树和相关支持度二维表。(1)创建空相关支持度二维表,同时将二维表中所有相关项的值设为零;(2)扫描事物集合T的同时创建二维向量。在扫描事物集合T的过程中,发现所有满足最小支持度(minsup)的事物集合,并将这些事物根据支持度计数由大到小排列,这些排列过后的事物集合组成了频繁1-项集L1。在创建相关支持度二维表时要记录每条事物各项之间两两组合所产生的支持度计数。例如存在一条事物“A,B,C,D”,则在相关支持度二维表中(A,B),(A,C),(A,D),(B,C),(B.D),(C,D)所对应的项的值全部加1,在表中,(A,B)和(B,A)所代表的是两个不同的向量;(3)由于相关支持度二维表的创建未考虑到最小支持度,因此要对创建的相关支持度二维表进行调整,去除不满足最小支持数的行和列。相关支持度二维表中同一事物所对应的行列相加即为该事物对应的支持数,若支持数小于事物总数和最小支持度的乘积,则删除该事物所对应的行和列;(4) 以“Null”为根节点构造原始FP树,创建项头表,表中的每一行对应于一个频繁项,同时为了便于对FP树的遍历,每一行都存在特定指针指向它在FP树中对应的节点;(5)遍历事物集T,对于每一条事物,将其项的顺序按照L1 进行调整。将调整好的项构造为一个事物分支,对于所有事物分支,如果路径重合则合并重合的部分,同时在FP树的节点上标记重合的次数。

(2)基于FP树的频繁模式挖掘。(1)设频繁项的后项为ɑ,ɑ=Null,从根结点开始对FP树进行递归运算,当FP树的分支路径个数为1时,则分支路径上节点的一个组合就构成频繁模式的前项β。遍历相关支持度二维表(此时事物的支持度计数方法是将事物与Null取并即将事物所在行列的支持度计数求和)获取事物的支持度计数,剔除路径中不满足最小支持度计数的事物,则路径上剩余节点值的任一组合所构成集合β与ɑ取并都为一个频繁项集,最后挖据出所有的频繁项集。β代表的是频繁项的某一前项,前项和后项取并构成事物的一个频繁项;(2)如果FP树的分支树不为1,则增长 ɑ,ɑ=ɑ∪Ei,Ei表示频繁1-项集的最后即支持度计数最小的一项。此时重新构造以ɑ为频繁后项的条件模式基(FP树中以Ei为叶子节点的所有分支)和条件FP树(以 ɑ的条件模式基中的所有事物依据步骤一所组合成的FP子树);(3) 对组合后的条件FP树采用递归算法进行挖掘,如果FP树的分支树为一则根据相关支持度二维表查找不同事物与 ɑ取并的支持度计数(经典算法此时需要遍历条件模式基一次,每次构建条件模式树时对条件模式基的遍历,大大增加了算法的时间复杂度),剔除不满足最小支持度计数的项,剩余项集合β与 ɑ取并可得到所有后项为 ɑ的频繁模式。如果分支树不为1,则ɑ与β中支持度计数最小项取并重新构造条件模式基和条件FP树,最终产生出全部的频繁项集。本文以表1中的事物为例来说明NEW-FP算法的具体运算步骤。

设最小支持度(minsup)为20%,第一次对T进行遍历,构造相关支持度二维表和频繁1-项集L1,同时根据支持度计数将其由大到小排列,最终结果为L1:{A:8,B:7,C:5,D:2,E:2}(冒号后的数字表示事物i的支持度计数)。剔除不满足最小支持数的项,调整后的相关支持度二维表如表2所示。

遍历事物集,创建项头表和以“Null”为根结点的原始FP树,项头表中的三行分别代表事物,频繁度计数和指针。所创建的项头表和FP树如图2所示。

由于FP树的分支树不为1,所以频繁后项ɑ=Null∪E,所得到的以ɑ为频繁后项的条件模式基为{AB},查阅相关支持度二维表可以得到{A,E}:2+0;{B,E}:2+0,两项满足最小支持度计数,以A、B为根节点构造的条件FP树分支路径数为1,最后生成的频繁项集为{AE:2,BE:2,ABE:2}。

由于以E为频繁后项的所有频繁项集都已找到,此时将 ɑ赋值为D。所得到的以 ɑ为频繁后项的条件模式基为{AB:1,A:1},以条件模式基构造条件FP树,查阅相关支持度二维表可以得到各项的支持度计数为{A,D}:2+0;{B,D}:1+0,剔除不满足最小支持度计数的项所得到的条件FP树分支只有一个,最终生成的频繁项为{AD:2}。

当ɑ增长为C时,得到的以ɑ为频繁后项的所有条件模式基为{AB:1;A:2;B:2}。

以条件模式基构造条件FP树,查阅相关支持度二维表得到每一项的支持度计数为:{A,C}:3+0;{B,C}:3+0。由于以ɑ为根节点的条件FP树分支路径数大于1,所以ɑ=ɑ∪B(A、B两项支持度计数相同且都为最小)。此时所构造的条件FP树分支路径个数为1,最终得到的频繁项为{BC:3},同理当ɑ增长到A时所得到的频繁项为{AC:3}。

当ɑ增长为A、B时,算法流程如上。

2 云计算模型下的NEW-FP算法

2.1 Map-Reduce框架

Dean等[3]于2004 首次提出Map-Reduce编程框架,框架通过Hadoop平台开源实现,可以实现算法程序在多台计算机上的并行化处理。图3是Map-Reduce框架的结构图。Map-Reduce框架由主节点(Master)和多个分节点(Slave)构成。 Master节点负责将任务分配给空闲的Slave节点执行,在Map-Reduce框架下一个任务被分配成多个子任务(图中的split1到split5),不同的slave节点分别执行不同的子任务。而Reduce节点所做的工作是将slave节点处理的结果进行合并,由于将任务分配给多个slave节点并行处理,从而大大提高了算法的执行效率。

2.2 基于Map-Reduce框架的算法改进

为了应对互联网环境下的海量数据,提高算法运行效率,本文将对算法进行基于Map-Reduce框架下的算法改进。文献[7]提出了对于经典算法的云计算改进,本文在经典算法并行化处理的基础上提出了对于NEW-FP算法的并行化处理过程:(1)在第一次遍历事物集T时,将事物集分成与slave主机数相等的子集;(2)每台slave主机根据设定的最小支持度对事物子集进行遍历。同时生成频繁1-项集和相关支持度矩阵,并将结果以<key,value>键值对形式发送到Reduce主机;(3)Reduce主机根据发送的数据生成FP-tree和所有数据的相关支持度矩阵。再以各频繁1- 项集的支持度计数生成项头表。项头表、FP树和相关支持度矩阵存入Master主机中;(4)对FP树进行递归挖掘,以项头表中不同项分别生成的条件模式基以轮循的方式发送给各个slave节点,由各个节点对条件模式基分别进行递归运算;(5)Slave节点分别对条件模式基进行递归运算并将所生成的频繁模式进行合并,最后得到全部关联规则。

3 实验设计和结果分析

本文通过实验对串行和并行化下的NEW-FP算法进行验证。实验分析的数据来源于Frequent Itemset Mining Dataset Repository[8]。为了验证改进算法的运行效率,首先在单机环境下对经典算法和NEW-FP算法的运行效率进行对比。计算机操作系统为XP,CPU为Core i3,主频2.00GHZ,内存2G,最小支持度5%,两种算法的挖掘时间如图4所示。

在4台计算机上构建算法实现框架Hadoop,分别运行由经典算法并行化后得到的MR-FP算法和NEW-FP算法并行化后的改进算法,设定最小支持度为5%,算法运行效率如图5所示。

从图4和图5可以看出,在单机环境下,NEW-FP算法相较于经典算法有着更好的时间复杂度,并且这种优势随着数据量的不断增大而更加显著。而在分布式环境下,由于加入了相关支持度二维表,在数据量较小时,经典算法和NEW-FP算法的并行化改进算法在运行效率上没有显著区别,但是随着数据量的增加,NEW-FP算法运行时间复杂度明显小于经典算法,并且这种优势在数据量增大的情况下更为显著。

4 结语

本文针对经典FP-Growth算法在构造条件模式树时需要两次遍历条件模式基的缺点,提出了采用相关支持度二维表来对算法进行改进的NEW-FP算法。同时,为了在相对短的时间内完成对海量数据的分析,对NEW-FP算法进行了并行化改进。实验证明,改进算法在单机模式和并行化模式下相较于经典算法都有更低的时间复杂度,并且这种优势和数据规模正相关。随着电子商务的快速发展,不断庞大的数据集需要算法借助云计算才可以在较短的时间内进行分析,在Hadoop框架下,算法的容错性和可恢复性较强,能够满足海量数据处理需求。

摘要：关联规则算法作为数据挖掘领域的一类重要算法在很多领域都具有较高的实用价值,然而传统的关联挖掘算法难以满足海量数据处理需求。采用相关支持度二维表对经典FP-Growth算法进行改进,借助MapReduce编程模型完成算法的并行化改进。实验证明,改进算法相较于经典算法在单机和并行化环境下都具有更低的时间复杂度。

关键词：云计算,MapReduce,FP-Growth,关联规则

参考文献

[1]CNNIC.第35次中国互联网络发展状况统计报告[R].2015.

[2]GONZALEZ R,WOODS R.Digital image processing[M].Publishing House of Electronics Industry,2003:53-58.

[3]DEAN J,GHEMAWAT S.MapReduce:simplified data processingon large clusters[C].SanFrancisco:Proceedings of the Conference on Operating System Design and Implementation(OS DI’04),2004:137-150.

[4]潘巍,李战怀,伍赛,等.基于消息传递机制的MapReduce图算法研究[J].计算机学报,2011(10):1768-1784.

[5]杨泽民.云计算模型中关联规则增量更新方法[J].计算机工程与设计,2014(2):504-508.

[6]李玲娟,张敏.云计算环境下关联规则挖掘算法的研究[J].计算机技术与发展,2011(2):43-46,50.

[7]吕雪骥,李龙澍.FP-Growth算法MapReduce化研究[J].计算机技术与发展,2012(11):123-126,130.

篇19：growth的名词形式

关键词：形式名词；“こと”；“もの”；“の” ；用法

中图分类号：H36 文献标识码：A 文章编号：1671-864X（2015）12-0101-02

一、基本用法

1.“こと”的基本用法。

意义用法例句分析

①以“ことがある（ない）”的形式，接在动词过去时连体形后面，表示过去的经历。○あなたは海外旅行をしたことがありますか。表示具体事物

②以“ことは（も）ない”的形式，接在动词连体形后面，表示没有必要。○新宿は好きではないが、行かないことはない。同上

③接在动词连体形后面，表示决定。○雨天のため、運動会は行われないことになりました。同上

④表示预定、计划。○今日は田中さんと三時に会うことになっている。同上

⑤以“ことにする”的形式，接在动词连体形后面，表示主观意志、决定的结果或内容。○道子さんは自分で夕飯を作ることにしている。同上

⑥表示感叹。○またお目にかかれるなんて、なんと嬉しいことでしょう。△

⑦表示传闻。○社長は今日はご出勤にはならないとのことだ。表示具体事物

⑧说明、解释。○パソコンというのはパーソナル·コンピューターということです。△

⑨强调。○あの人は学生なことは学生ですが、アルバイトばかりに精を出しています。△

2.“もの”的基本用法。

形式名词“もの”常用“ものだ”的形式，表示以下含义：

意义用法例句分析

①接在用言连体形后面，对客观事实、常态进行说明、解释。○遅刻するものは一人もいなかった。△

②接在动词过去时态“た”后面，表示对往事的回忆。○以前、家の周りは静かだったものだ。表示抽象的事物

③接在用言连体形后面，表示感叹。○月日のたつのは本当に早いものだ。△

④接在动词连体形后面，表示说话人对客观事物的看法、主张。○そんなことがあってだまるものか。△

⑤表示推测。○字が下手なものかいつもタイプライターで書く。表示抽象的事物

⑥表示断定。○風でドアが開いたものと思う。同上

⑦表示强调。○日本に着いてからというものは休む暇がなっかた。△

⑧接在表示愿望的后缀“たい”后，表示强烈的愿望。○早く暇をもらって帰りたいものだ。表示抽象的事物

从上面的分析可以看出，“こと”多表示具体的事件，与此相对，“もの”多用来表示抽象的事物。“こと”表格中△表示的内容与“もの”表格中△所表示的内容有许多微妙的差别。通过分析可以发现，“こと”表格中△表示抽象的物（如：“悩むこと、嬉しいこと”【=物】）；“もの”表格中△表示具体的事物或人（如：“早いもの”、 “だまるもの”、“着いてからというもの” 、“遅刻するもの”【=者】）。也就是说，“こと”作为形式名词，由实义名词“事”转化而来，只能代替“事”；而“もの”由实义名词“物”转化而来，既可以代替有形的“物”，也可以指特定情况下的“人”。“こと”表格中分析的内容与“もの”表格中分析的内容正好相反。

3.“の”的基本用法。

“の”具有相当于体言（包括名词、代词、数词）的用法，可以指代人、物、事。但与“こと”、“もの”在使用上有一定的区别。

意义用法例句分析

①接在以连体形结束的语句或连体词后，给予前句以体言的资格○スターが買い物をしているのを見かけた。补充句子的作用

②委婉的表达方式○私は英語が苦手なので、海外旅行に弱いだ。同上

③表示强调 ○どうしても信じられないん（=の）だ。同上

④表示主张、命令○食べる前に手を洗うん（=の）だよ。同上

二、“こと”、“もの” 、“の”三者的相同点

1. “こと”、“もの” 、“の”都是形式名词，“こと”和“もの”都具有表示“主张、感叹、强调、说明”的含义。在表示主张、感叹、强调、说明的含义时，两者可以互换。“こと”、“もの”、“の”三者都有表示主张、强调的用法。

关于“こと”和“もの”的意义用法已经通过表格说明了。表示主张、感叹、强调、说明时，表示具体事物的 “こと”可以换成表示抽象事物的“もの”，表示具体事物的“もの”也可以替换成表示抽象事物的“こと”。

2.以下场合“こと”和“の”可以互换使用。

①当谓语动词是表示“认知”的动词（如：気付く、分かる、知る、忘れる等）时，两者都可以使用。如：

○相手が困っていること（=の）を知った。（知道对方很为难。）

○いつか必ず死ぬこと（=の）を忘れるな。（不要忘了人总是会死的。）

②当谓语动词是表示“感情或评价”的动词（如：喜ぶ、驚く、好む、羨む等）时，两者都可以使用。如：

○お父さんが韓国から来ること（=の）を喜んでいる。（为爸爸从韩国回来感到高兴。）

○自分自身のことを語ること（=の）を好む。（喜欢吹嘘自己的事。）

nlc202309020205

③与谓语动词无关，只是简单的描写句时，“こと”和“の”都可以使用。如：

○木村さんが北京へ行ったこと（=の）は真実だ。（木村先生要去北京的事是真的。）

○彼は英語で歌を歌うこと（=の）が好きだ。（他喜欢用英语唱歌。）

从以上可以看出，当谓语动词是表示“思考、语言、意志、暗示” 等的动词时，一般使用“こと”；而当谓语动词是表示“感知、行为”的动词时，一般只能使用“の”；当谓语动词是表示“认知、感情”的动词，以及在与谓语动词无关、单纯的描述句中，“こと”和“の”都可以使用。

三、“こと”、“もの” 、“の”三者的不同点

“こと”作为名词，表示“事情”“情况”等意思。当它前接其他词作为形式体言来使用时，依然保留了一些名词的含义；“もの”作为名词使用时，写作“物”或“者”，它既可以表示有形的“物”和“人”，也可以表示无形的感觉或客观情况等。形式名词“こと”只能用来表示“物”，不能用来表示“人”。 “の”具有相当于体言（包括名词、代词、数词）的用法，可以指代人、物、事。但与“こと”、“もの”在使用上有一定的区别。

1.只能用“こと”的场合。

“こと”的使用情况与其后接的谓语动词有很大的关系。根据谓语动词的不同，大致可以分成以下几类。例如：

①当后面所接的谓语动词是表示“思考”的动词（如：思う、考える、夢想する、予想する、予期する、理解する、思い当たる、見抜く、了解する、痛感する、反省する、信じる、疑う、推定する、悟る等）时，这种情况下一般只用“こと”。例如：

○李さんは森さんが休むことを伝えました。（小李转告了森先生请假的事情。）

○思ったことを書きます。（写我所想的事。）

②当后面接的谓语动词是表示“语言行为”的动词（如：言う、話す、告げる、述べる、しゃべる、打ち明ける、物語る、聞く、聞かす、書く、読む、知らせる、伝える、報告する、報じる、教える、自白する、主張する、発表する、伝わる、取り次ぐ等）时，一般只能用“こと”。例如：

○思っていることを言いなさい。（请说说你的想法。）

○私が見たことを申し上げます。（我说我所看到的事情。）

③当后面接的谓语动词是表示“意志”的动词（如：命じる、命令する、言いつける、進める、頼む、要求する、求める、禁じる、許す、許可する、望む、願う、希望する、切望する、祈る、思いつく、図る、決める、決心する、約束する、誓う、提案する等）时，一般也只能用“こと”。例如：

○飲酒運転することを禁じられます。（禁止酒驾。）

○食事することを約束しました。（约好一起吃饭。）

④当后面接的谓语动词是表示“暗示、判断”的动词（如：示す、指す、暗示する、指摘する、証明する、意味する、判明する、明らかにする等）时，一般只用“こと”。例如：