Второстепенные чл предложения. На какие вопросы отвечает (таблица)

Второстепенные члены поясняют подлежащее и сказуемое или другие члены предложения и связаны с ними подчинительной связью.

Чтобы понять, что такое второстепенные члены предложения в русском языке, напомним, что грамматическим и смысловым ядром предложения является главные члены — подлежащее и сказуемое, которые составляют его грамматическую основу.

Если в высказывании имеются только главные члены предложения, такое предложение является нераспространенным, например:

Зима.

Наступила зима.

Пришла зима.

Завьюжила зима.

Что такое второстепенные члены предложения?

В предложении могут быть второстепенные члены, которые поясняют подлежащее и сказуемое, а также другие члены предложения. Они зависят от главных и других членов предложения, от которых к ним задаются соответствующие синтаксические вопросы, например:

Зима заводит с маем долгий разговор (Джеймс Фенимор Купер. Шпион).

• (что?) зима — подлежащее;
• зима (что делает?) заводит разговор (разговаривает) — простое глагольное сказуемое;
• заводит разговор (с чем?) с маем — дополнение; подчинительная связь управления;
• разговор (какой?) долгий — определение, подчинительная связь согласования.

Предложение, в котором, кроме подлежащего и сказуемого, имеются второстепенные члены, является распространенным.

Дадим определение, что такое второстепенные члены предложения.

Определение

Второстепенные члены предложения — это члены предложения, грамматически зависящие от других членов предложения, поясняющие их и связанные с ними подчинительной связью согласования, управления или примыкания.

Виды второстепенных членов

По грамматическим значениям второстепенные члены делятся на следующие виды:

• определение
• дополнение
• обстоятельство.

В предложении определения поясняют подлежащее и другие члены предложения. Дополнение и обстоятельство принадлежат сказуемому, зависят от него и поясняют его.

Таблица

Название	Что обозначает	Вопрос	От какого члена предложения зависит	Способ выражения
Определение	Признак предмета	Какой? Чей?	от подлежащего, дополнения или обстоятельства	Существительное Прилагательное Местоимение Порядковое числительное Причастие
Дополнение	Предмет	Кого? Чего? Кому? Чему? Кого? Что? Кем? Чем? О ком? О чем?	от сказуемого	Существительное Местоимение Количественное числительное
Обстоятельство	Место, время, способ действия и т.д.	Где? Когда? Как? Каким образом? и др.	от сказуемого	Наречие Существительное с предлогом Глагол Деепричастие

Определение

Определение — это второстепенный член предложения, который имеет общее значение признака, отвечает на вопросы какой? который? чей? и относится к слову с предметным значением.

Полная луна плыла по ясному безоблачному небу (В. Арсеньев).

• луна (какая?) полная
• по небу (какому?) ясному, безоблачному.

Указанные определения полностью совпадают в числе, роде и падеже с определяемыми словами, поэтому называются согласованными определениями.

Несогласованные определения связываются с главным словом подчинительной связью управления или примыкания. Они выражаются следующими частями речи и их формами:

1. существительным в косвенном падеже с предлогом и без него

• совет (чей?) учителя;
• список (какой?) группы;
• ветка (чья?) березы;
• шапка (какая?) с козырьком;
• платье (какое?) в полоску;

2. притяжательным местоимением 3 лица (его, её, их)

• его лицо — лицо (чье?) его;
• её радость — радость (чья?) её;
• их заботы — заботы (чьи?) их;

3. наречием

• взгляд исподлобья;
• борщ по-украински;
• парк напротив;
• улица наискосок;

4. формой сравнительной степени прилагательного

• чай покрепче;
• мальчик постарше;
• девчушка посмелее;

5. инфинитивом

• надежда отдохнуть;
• желание прилечь;
• время действовать;

6. нечленимым словосочетанием

• ребенок шести лет;
• товары повседневного спроса;
• дом в трех шагах;
• добрейшей души женщина.

Дополнение

Дополнение принадлежит к составу сказуемого в предложении.

Дополнение — это второстепенный член предложения, обозначающий предмет и отвечающий на вопросы косвенных падежей.

Например:

• накормила (кого?) малыша;
• выпила (чего?) сока;
• добавлю (к чему?) к хлебу;
• отдам (кому?) товарищу;
• взялся (за что?) за перила;
• горжусь (кем?) дочерью;
• озабочен (чем?) препятствиями;
• думаю (о чём?) о работе;
• расскажу (о ком?) о собаке.

От того, в какой падежной форме находится дополнение и управляет им переходный или непереходный глагол, различают прямое и косвенное дополнение.

Я лёг на снег и закрыл (что?) глаза (Вениамин Каверин. Два капитана).

Глаза — прямое дополнение, выраженное существительным в форме винительного падежа без предлога.

Мы увлекаемся (чем?) катанием на коньках.

Катанием — косвенное дополнение, выраженное формой творительного падежа существительного.

Обстоятельство. Виды обстоятельств

Обстоятельство принадлежит к составу сказуемого в предложении. Чаще оно поясняет сказуемое, но может относиться и к другим второстепенным членам предложения.

Определение

Обстоятельство — это второстепенный член предложения, обозначающий признак действия или другого признака.

(Где?) На мхах, под деревьями лежала седая роса, густо пахло прелой листвой и вешней водой (И.   Соколов-Микитов).

Обстоятельства делятся на основные виды:

1. образа действия (как? каким образом?)

Ленивые крупные хлопья снега (как?) бесшумно скользили мимо окна (В. Тендряков).

Шел он (как?) медленно, вперевалку (А. Гайдар).

2. меры и степени (в какой степени?)

До вечера оставалось не более получаса, а заря едва-едва (в какой степени?) зажигалась (И. С. Тургенев).

В первый раз голос у неё немного (в какой степени?) дрогнул (В. Каверин).

3. обстоятельства места (где? куда? откуда?)

Снег висел (где?) на деревьях, лежал (где?) на крыше караульного помещения (Анатолий Рыбаков. Прах и пепел).

Анна Васильевна робко шагнула (куда?) к дубу (Ю. Нагибин).

Отсюда (откуда?), сверху, открывался великолепный вид во все стороны (В. Арсеньев).

4. обстоятельства времени (когда? как долго? с каких пор? до каких пор?)

(Когда?) Сегодня я должен буду дать свое слово безвозвратно (Ф. М. Достоевский. Идиот).

Я всё шел и уже собирался было прилечь где-нибудь (до каких пор?) до утра (И. С. Тургенев).

(С каких пор?) С самого утра небо ясно (И. С. Тургенев).

5. обстоятельства условия (при каком условии?)

Начнем собрание  (при каком условии?) при наличии большинства.

(При каком условии?) При желании всего можно добиться.

Он выполнит это поручение (при каком условии?) в случае договоренности с поставщиками.

6. обстоятельство причины (почему? отчего? по какой причине?)

Сенокос запоздал (отчего?) из-за дождей (К. Паустовский).

Она боялась, что книги погибнут (почему?) от сырости (И. Эренбург).

Прихватим с собой в дорогу зонтики (по какой причине?) на случай дождя.

7. обстоятельство цели (зачем? с какой целью? для чего?)

Шагал по мокрой дороге седой старик. Шагал (с какой целью?) покосить травы коровёнке (В. Шукшин).

(Для чего?) Для укрепления здоровья следует проводить закаливающие водные процедуры.

Хозяин дома вышел на крыльцо (с какой целью?) встретить гостей.

8. обстоятельство уступки обозначает, вопреки чему совершается действие, и отвечает на вопросы: вопреки чему? несмотря на что?

В Петербурге вопреки его собственным ожиданиям ему повезло (И. С. Тургенев).

Повезло (вопреки чему?) вопреки ожиданиям.

Видеоурок «Роль второстепенных членов в предложении»

python — Можно ли эффективнее и быстрее анализировать этот список словарей?

У меня есть список, полный словарей и списков с глубокой иерархией, происходящих из xml-файла. Я хочу разобрать его и привести в новый формат наиболее эффективным и быстрым способом, потому что имею дело с огромным объемом данных. Я подумал, что это будет развлечением для вас, ребята!

Мой код до сих пор работает. Из этого можно сделать вывод, где находится соответствующая информация в исходном списке. Я не буду показывать исходный список здесь, потому что он слишком большой и нечеткий. Тем не менее, я могу добавить эту информацию, если вам это нужно.

 анализ = []
для предложения в моем списке:
    для i слово в перечислении (предложение ['w']):
        tmp_dic = {}
        индекс = я+1
        tmp_dic['индекс'] = строка (индекс)
        tmp_dic['текст'] = слово['т']
        tmp_dic['лемма'] = слово['лемма']['@класс']
        морф = ''
        если len(word['морфология']['морфема']) > 1:
            для морфемы в слове ['морфология']['морфема']:
                morph += '[' + morphem['t'] + ']'
        еще:
            morph += '[' + слово['морфология']['морфема']['t'] + ']'
        tmp_dic['морф'] = морфинг
        tmp_dic['pos'] = слово['pos']['@class']
        tmp_dic['posprob'] = слово['pos']['@confidence']
        если индекс == len (предложение ['w']):
            tmp_dic['эос'] = Истина
        analysis.  append(tmp_dic)
 

Думаю, этот код говорит сам за себя. Однако мне интересно, существует ли более элегантный и особенно быстрый код, использующий, например, понимание списка. Если вам нужна дополнительная информация, пожалуйста, не стесняйтесь спрашивать! Окончательный результат должен выглядеть так:

 >>>print(analysis)
[{'index': '1', 'text': 'zo', 'lemma': 'zo', 'morph': '[zo]', 'pos': 'BW()', 'posprob': '0.999512'}, {'index': '2', 'text': 'schrijft', 'lemma': 'shrijven', 'morph': '[schrijf][t]', 'pos': 'WW( pv,tgw,met-t)', 'posprob': '0,998984'}, {'индекс': '3', 'текст': 'паулюс', 'лемма': 'паулюс', 'морф': '[паулюс]', 'поз': 'ADJ(vrij,basis, zonder)', 'posprob': '0.382880'}, {'index': '4', 'text': 'in', 'lemma': 'in', 'morph': '[in]', 'pos ': 'VZ(init)', 'posprob': '0.999350'}, {'index': '5', 'text': 'de', 'lemma': 'de', 'morph': '[de ]', 'pos': 'LID(bep,stan,rest)', 'posprob': '0.999964'}, {'index': '6', 'text': 'brief', 'lemma': 'brief ', 'morph': '[brief]', 'pos': 'N(сорт,эв,базис,zijd,stan)', 'posprob': '0.
  999172'}, {'index': '7', ' text': 'aan', 'lemma': 'aan', 'morph': '[aan]', 'pos': 'VZ(init)', 'posprob': '0.999180'}, {'index': '8', 'text': 'de', 'lemma': 'de', 'morph': '[de]', 'pos': 'LID(bep,stan, остальное)», «posprob»: «0.999964»}, { «index»: «9», «text»: «gemeente», «lemma»: «gemeente», «morph»: «[gemeente]», «pos ': 'N(сорт,эв,базис,зийд,стан)', 'попроб': '0,999756'}, {'индекс': '10', 'текст': 'в', 'лемма': 'в' , 'morph': '[in]', 'pos': 'VZ(init)', 'posprob': '0.931125'}, {'index': '11', 'text': 'filippi', 'lemma ': 'filippi', 'morph': '[filippi]', 'pos': 'N(soort,ev,basis,onz,stan)', 'posprob': '0.508322', 'eos': True}, {'index': '1', 'text': 'zij', 'lemma': 'zij', 'morph': '[zij]', 'pos': 'VNW(перс,прон,номин,том, 3р,мв)», «попроб»: «0,934959'}, {'index': '2', 'text': 'verzetten', 'lemma': 'verzetten', 'morph': '[ver][zet][en]', 'pos': ' WW(pv,tgw,mv)', 'posprob': '0.909747'}, {'index': '3', 'text': 'zich', 'lemma': 'zich', 'morph': '[ zich]", 'pos': 'VNW(refl,pron,obl,red,3,getal)', 'posprob': '0.  999740'}, {'index': '4', 'text': 'met' , 'lemma': 'met', 'morph': '[met]', 'pos': 'VZ(init)', 'posprob': '0.999480'}, {'index': '5', 'text ': 'кромка', 'лемма': 'кромка', 'морф': '[кромка]', 'поз': 'ВНВ(перс,прон,обл,том,3,ев,маск)', 'попроб' : '0,992108'}, {'index': '6', 'text': 'tegen', 'lemma': 'tegen', 'morph': '[tegen]', 'pos': 'VZ(init)', 'posprob': '0.997583'}, {'index': '7', 'text': 'de', 'lemma': 'de', 'morph': '[de]', 'pos': 'LID (bep,stan,rest)', 'posprob': '0.999964'}, {'index': '8', 'text': 'theologie', 'lemma': 'theologie', 'morph': '[theologisch ][ie]', 'pos': 'N(soort,ev,basis,zijd,stan)', 'posprob': '0.997691', 'eos': True}]
 

[PDF] Более быстрый алгоритм синтаксического анализа для лексикализованных грамматик, примыкающих к дереву

• Идентификатор корпуса: 538616

 @inproceedings{Eisner2000AFP,
  title={Более быстрый алгоритм синтаксического анализа для лексикализованных грамматик, примыкающих к дереву},
  автор = {Джейсон Эйснер и Г.  Сатта},
  booktitle={тег},
  год = {2000}
} 

• Джейсон Эйснер, Г. Сатта
• Опубликовано в Tag 2000
• Информатика

В этом документе указывается на некоторую вычислительную неэффективность стандартных алгоритмов разбора TAG применительно к LTAG. Мы предлагаем новый алгоритм с асимптотическим улучшением от до , где длина ввода и грамматические константы, не зависящие от размера словаря.

Просмотр на ACL

CS.JHU.EDU

Трансформационные структуры зависимости в LTAG Деревья деривации

• CAIO CORRO, JOSEPH LE ROUX

• TAG

• 2017

2 ALXILES AILEXMILE ALEX ALEX. Соседние грамматики (LTAG), в которых в качестве фильтра используются предварительно назначенные билексические отношения зависимости, и доказано, что этот алгоритм имеет линейную временную сложность по входной длине.
 Билексические грамматики и их алгоритмы анализа кубического времени 
 Джейсон Эйснер
 Лингвистика
 2000
 В этой главе представлены взвешенные билексические грамматики, формализм, в котором отдельные лексические единицы, такие как глаголы и их аргументы, могут оказывать идиосинкразическое влияние друг на друга 903 903… (Би-) Лексикализованные контекстно-свободные грамматики
  
 К. Дёрр
 Информатика
 2007
 Представлен алгоритм, улучшающий эту верхнюю границу O(n4) для билексикализованных грамматик, где каждое конкретное слово предпочитает идиосинхронизированные дополняется определенными заглавными словами.
 Изучение формализации на основе генотипа для производных грамматик, примыкающих к дереву 
 Расширено определение вмещающего формализма, представленного в виде GATAG, на котором может быть развернут генетический алгоритм для нахождения неоднозначных структур деривации для более длинных предложений, и основная цель состоит в том, чтобы исследовать возможность случайных производных эволюционировать в хорошие производные посредством естественного отбора.
   
   
 Эффективный синтаксический анализ деревьев зависимостей с разделением головы 
 Г. Сатта, Марко Кульманн
 Информатика, математика
 TACL
 2013
 Определено структурное свойство, позволяющее разбивать заголовки хорошо вложенных деревьев зависимостей с блочной степенью не более 2 и двумя алгоритмами. представлены, которые улучшаются по сравнению со временем выполнения существующих алгоритмов без существенной потери охвата.
 Модели для повышения управляемости и точности анализа зависимостей 
  
 М. Маркус, Сэмпат Каннан, Эмили Питлер
 Информатика
 2013
 Этот тезис показывает, что модели и функции, совместимые с тем, как соединения представлены в банках деревьев, дают синтаксический анализатор с современной общей точностью и существенными улучшениями в точности соединений, и предоставляет точные алгоритмы динамического программирования, которые находят оптимальное дерево 1-Endpoint-Crossing либо в модели с краевыми факторами, либо в этой чувствительной к пересечению модели третьего порядка.
 Факторизация грамматики с помощью декомпозиции дерева 
 Любой алгоритм с полиномиальным временем для этой задачи подразумевал бы улучшенный алгоритм аппроксимации для хорошо изученной проблемы древовидной ширины на общих графах, а также изучение сложности применения этого метода к алгоритмам синтаксического анализа для общих систем линейной контекстно-свободной перезаписи.
 
 Сглаживание вероятностного словаря с помощью синтаксических преобразований 
 Джейсон Эйснер, М. Маркус
 Информатика
 2001
 параметризации, которые подходят для любой области, где «связанные» события могут иметь положительно ковариирующие вероятности. 9. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .xvii
 Схемы анализа зависимостей и частично непроективный анализ зависимостей 
 Карлос Гомес-Родригес, Джон А. Кэрролл, Дэвид Дж. Вейр
 Информатика
 CL
 2011
 Формальная структура, основанная на схемах синтаксического анализа Сиккеля для синтаксических анализаторов групп, может использоваться для описания, анализа и сравнения алгоритмов синтаксического анализа зависимостей, а также для определения новых алгоритмов синтаксического анализа с полиномиальным временем для различных умеренно непроективных формализмы зависимости.
  
 ПОКАЗАНЫ 1–10 ИЗ 23 ССЫЛОК
 СОРТИРОВАТЬ ПОРелевантности Наиболее влиятельные документыНедавность
 Синтаксический анализ лексикализованных грамматик на основе автоматов 
 R. Evans, David J. Weir
 Компьютерные науки, лингвистика
 IWPT
 1997
 совместное вычисление во время выполнения.
 Информация о частоте кодирования в лексикализованных грамматиках 
 Джон А. Кэрролл, Дэвид Дж. Вейр
 
 Информатика
 IWPT
 1997
 Мы решаем вопрос о том, как связать частотную информацию с формализмами лексикализованной грамматики, используя грамматику примыкания к лексикализованному дереву в качестве репрезентативной структуры. We consider systematically…
 Three Generative, Lexicalised Models for Statistical Parsing 
 M. Collins
 Computer Science
 ACL
 1997
 A new statistical parsing model is proposed, which is a generative model of lexicalised контекстно-свободная грамматика и расширена за счет включения вероятностной обработки как подкатегоризации, так и движения белого.
 Эффективный анализ для билексических контекстных граммаров и грамматов автомата головы 
 Jason Eisner, G. Satta
 Компьютерная наука
 ACL
 1999
. формализмов, улучшая априорные верхние оценки O( n5) на один шаг и улучшая грамматическую константу на другой.
 Статистический анализ с использованием контекстно-свободной грамматики и статистики слов 
 Евгений Чарняк
 Информатика
 AAAI/IAAI
 1997
 Система синтаксического анализа, основанная на языковой модели для английского языка, которая, в свою очередь, основана на назначении вероятностей возможным схемам синтаксического анализа для предложений, которые превосходят описан.
 НЕКОТОРЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СВОЙСТВА ПРИСОЕДИНЯЮЩИХСЯ К ДЕРЕВОУ ГРАММАТОРОВ 
 К. Виджай-Шанкар, Аравинд К. Джуши
 Лингвистика
 ACL 1985
 1985
 Описаны некоторые новые результаты для TAG, особенно в следующих областях: анализ сложности TAG, некоторые результаты замыкания для TAG и отношение к грамматикам Head.
 Стратегии диаграммы с «лексимизированными» грамматиками: применение к прилегающим к деревьям грамматам 
 Yves Schabes, Abeillé, A. Joshi
 Интелсов, Linguistic
 Coling
 1988
 9002 9002 General Paring
 1988
6969696969696969696969696969696969696969696969696969696969696969696969696969696969696969696969696
 9002 9004. Обсуждаются лексикализованные грамматики и утверждается, что даже если расширить область локальности CFG на деревья, использование только подстановки не дает свободы выбора главы каждой структуры.