英语语法笔记

这篇具有很好参考价值的文章主要介绍了英语语法笔记。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.英语五大句型
主谓(主语+动词)
主谓宾(主语+动词+宾语)
主谓宾宾(主语+动词+简接宾语+直接宾语)
主谓宾补(主语+动词+宾语+宾语补语)
主系表(主语+系动词+主语补语)

1.1语法
主语(冠词+名词)
谓语(动词)
宾语(冠词+名词)
补语(补充信息)
定语(修饰主语或宾语,形容词是前置定语,介词短语和定语从句是后置定语)
表语(主语的补语)
状语(修饰谓语动词的状态)
同位语(例:我,一个人类,一个追逐梦想的人)

2.十大词性
动词
冠词
介词
名词
代词
数词
形容词
副词 副词修饰动词要在动词之后,修饰形容词要在形容词之前
连词
叹词

3.英语有但中文没有的概念
时态,变位,从句

4.动词的分类
谓语动词和非谓语动词
助动词 have be been等,可用来实现现在完成进行时

5.谓语动词三大作用
表达动作的时间、状态、假设、情感等
通过变位来实现,例如:eat吃->ate吃过了
谓语动词受到了主语的时间状态等限制(影响),所以也叫限定动词,反之非谓语动词也叫非限定动词

6.谓语动词的时间和状态
过去时、现在时、将来时、过去将来时
x
未完成、进行中、已完成、一般状态

7.非谓语动词,可以替代主语、宾语、补足语、表语、除谓语以外的所有语
动词不定式 to+动词原形或者动词原形(裸不定式,使役动词后面跟裸不定式),表示目的意图
动名词 动词原形+ing,把动词当名词来用
现在分词 动词原形+ing,(主动),可当形容词来用作定语
过去分词 动词原形+ed,(被动),可当形容词来用作定语,过去分词短语修饰名词要做‘后置定语’

8.介词
介词需要后面跟承受对象意思才完整,也就是介词宾语,介宾结构构成介词短语
介词短语可以充当句子中的主语、宾语、补语、定语

9.名词
‘格’,反映词在句中的语法功能,例如:主格,宾格
‘所有格’,用在任务后面表示所有权,例如:the rabbit’s carrot
tom and amy’s room 共有的房间
tom’s and amy’s room 各自的房间
用在事物后面表示性质,例如:today’s news

10.连词

10.1并列连词
并且关系and,表否定nor
选择关系 or
转折关系 yet,therefore

10.2从属连词
引导名词性从句的连词 that(在宾语从句中可省略)
引导状语从句的连词 when,while,where,if,unless,as,before,after,until,since

11.构词法
在英语的发展历史上引进过许多外来词汇(日耳曼语、希腊语、拉丁语等)
这些外来词汇构成了英语的词根和词汇

派生构词:用希腊语、拉丁语词根、前缀、后缀、构词
合成构词:用源自日耳曼语的单词合并构词
混合构词:选一词投及另一词尾混合构词
截短构词:截取单词一部分作为新词
缩写构词:选取多个单词首字母、部分字母
转化构词:使用同一单词的不同词性

12.被动语态
be动词+相应谓语动词变位
the rabbit ate the carrot.
the carrot was eaten by the rabbit.

13.倒装句
为强调某些信息而倒装某些句子

完全倒装(谓语动词完全在主语前)
部分倒装(仅助动词提前)
形式倒装(谓语动词不提前)

14.强调

14.1口气强调
重读单词
用叹词强调
使用特定语音、语调、语气强调

14.2书面格式
粗体
斜体
下划线
全部大写
标点符号

14.3词汇强调
添加强调词
重复单词
使用助动词
强调代词

14.4句式强调
倒装
感叹
it+be动词+that…

15.主谓一致

15.1中文属于孤立语
词形几乎无变化;动词不存在语法意义上的变位

15.2英文属于屈折语
以词形变化表达语法意义;如谓语动词的变位

16.连词
并列句用逗号分隔连词连接文章来源地址https://www.toymoban.com/news/detail-701542.html

到了这里,关于英语语法笔记的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 自然语言处理学习笔记(八)———— 准确率

    目录 1.准确率定义 2.混淆矩阵与TP/FN/FP/TN 3. 精确率 4.召回率 5.F1值 6.中文分词的P、R、F1计算 7.实现 1.准确率定义         准确率是用来衡量一个系统的准确程度的值,可以理解为一系列评测指标。当预测与答案的数量相等时,准确率指的是系统做出正确判断的次数除以总

    2024年02月09日
    浏览(43)
  • 自然语言处理学习笔记(七)————字典树效率改进

    目录 1. 首字散列其余二分的字典树 2.双数组字典树 3.AC自动机(多模式匹配) (1)goto表 (2)output表 (3)fail表 4.基于双数组字典树的AC自动机         字典树的数据结构在以上的切分算法中已经很快了,但还有一些基于字典树的算法改进,把分词速度推向了千万字每秒的

    2024年02月10日
    浏览(44)
  • 自然语言处理学习笔记(三)————HanLP安装与使用

    目录 1.HanLP安装 2.HanLP使用 (1)预下载  (2)测试 (3)命令行  (4)测试样例 3.pyhanlp可视化 4. HanLP词性表 1.HanLP安装  HanLP的 Python接口由 pyhanlp包提供,其安装只需一句命令: 安装完成 2.HanLP使用 (1)预下载 第一次使用pyhanlp时,会自动下载许多hanlp的jar包(包含许多算法

    2024年02月14日
    浏览(54)
  • 自然语言处理学习笔记(十一)————简繁转换与拼音转换

    目录 1.简繁转换 2.拼音转换 1.简繁转换 简繁转换指的是简体中文和繁体中文之间的相互转换。可能有的人觉得,这很简单, 按字转换 就好了。HanLP提供了这样的朴素实现 CharTable, 用来执行字符正规化(繁体-简体,全角-半角,大写-小写) 事实上,汉字历史悠久,地域复杂,

    2024年02月07日
    浏览(47)
  • 自然语言处理NLP在Java语言的应用

    自然语言处理(Natural Language Processing, NLP)是计算机科学中的一个重要分支,旨在让机器能够理解、处理人类语言。 自然语言处理(Natural Language Processing, NLP)技术主要可以分为 文本处理 和 语音处理 两种。 文本处理 主要包括以下方面: 1.情感分析(Sentiment Analysis)。 2.实

    2024年02月16日
    浏览(55)
  • 读十堂极简人工智能课笔记06_自然语言处理

    1.4.3.1. 能让真人腾出手来处理难度更大的咨询 2.1.3.1. 在研究儿童的语言能力发展后总结出来的理论 2.1.3.2. 儿童虽然能够学会流利地说话,但他们在学习过程里其实根本没有接收到足够的信息 2.1.3.2.1. 所谓的“刺激的贫乏” 2.1.3.3. 儿童能够发展语言技能的唯一途径是他们

    2024年02月19日
    浏览(58)
  • 自然语言处理学习笔记(九)———— OVV Recall Rate与 IV Recall Rate

    目录 1.OVV Recall Rate 2. IV Recall Rate 1.OVV Recall Rate         OOV指的是“未登录词”(Out Of Vocabulary),或者俗称的“新词”,也即词典未收录的词汇。如何准确切分00V,乃至识别其语义,是整个NLP领域的核心难题之一。 2. IV Recall Rate         IV指的是“登录词”(In  V

    2024年02月09日
    浏览(42)
  • Coursera自然语言处理专项课程04:Natural Language Processing with Attention Models笔记 Week01

    Course Certificate 本文是学习这门课 Natural Language Processing with Attention Models的学习笔记,如有侵权,请联系删除。 Discover some of the shortcomings of a traditional seq2seq model and how to solve for them by adding an attention mechanism, then build a Neural Machine Translation model with Attention that translates English sente

    2024年04月16日
    浏览(57)
  • Coursera自然语言处理专项课程04:Natural Language Processing with Attention Models笔记 Week02

    Course Certificate 本文是学习这门课 Natural Language Processing with Attention Models的学习笔记,如有侵权,请联系删除。 Compare RNNs and other sequential models to the more modern Transformer architecture, then create a tool that generates text summaries. Learning Objectives Describe the three basic types of attention Name the two ty

    2024年04月08日
    浏览(52)
  • Coursera自然语言处理专项课程04:Natural Language Processing with Attention Models笔记 Week03(完结)

    Introduction https://www.coursera.org/specializations/natural-language-processing Certificate Course Certificate 本文是学习这门课 Natural Language Processing with Attention Models的学习笔记,如有侵权,请联系删除。 Explore transfer learning with state-of-the-art models like T5 and BERT, then build a model that can answer questions. Le

    2024年04月13日
    浏览(124)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包