简论转换生成语言学的创新及走向

转换生成语言学自从其诞生起便因其科学性质而受到广大语言学者以及其他研究领域学者们的关注。其理论内部在不断修正和完善。在生物语言学的背景下,转换生成语言学已成为生物语言学的重要组成部分,转换生成语言学的新阶段,即最简方案思想的形成和发展,尤其是语段理论的设想为建立自然科学的语言学进行了有益的探索。     

议论性语段拓展方式摭谈

议论文是凭着缜密的逻辑推理和精僻的分析解证而达到以理服人的。为此，议论文要挖掘深刻、分析透彻，这就要注意议论性语段的论证技巧。拓展议论性语段的深度和广度，成为不容忽视的问题，它对写好议论文有着至关重要的作用。     

汉语口语语段边界的界定

没有明显的句子边界导致口语分析无法收面语那样以句子为单位进行,为此,文中在汉语口语分析中引入话轮和语段的概念,并提出正反向精简循环环网络和规则相结合的汉语口语界界定法,该方法全面利用语法,语义和词的个性特征,综合上文和下文信息,得到了满意的总体准确率。     

基于Lucene的语段模糊匹配中文检索系统设计与实现

为提高图书馆中文信息检索的精确度和有效性,设计了基于Lucene的语段模糊匹配中文检索系统.其采用了自然语言处理中的词语切分技术,使输入条件可以直接通过自然语言的方式提交,同时针对语段匹配的实际问题情境,设计了一种新的结果有效性判别模型,提高了检索结果相似度的科学性和准确性.经过多次实验结果的统计,搜索结果有效性可提高12%.     

辽宁高校语料库与二语习得研究评述

本文主要介绍了辽宁省高校学生口语与书面语语料库(以下简称LCC)的主要特征,并从语段搭配错误分析和特征描写,高频词和低频词研究,学术成果检验和分析三个方面分析与验证LCC语料库和第二语言习得的实证研究成果。最后,探讨了LCC语料库研究存在的问题和发展前景。     

从图像到语言：图像标题生成与描述

图像标题生成与描述的任务是通过计算机将图像自动翻译成自然语言的形式重新表达出来,该研究在人类视觉辅助、智能人机环境开发等领域具有广阔的应用前景,同时也为图像检索、高层视觉语义推理和个性化描述等任务的研究提供支撑。图像数据具有高度非线性和繁杂性,而人类自然语言较为抽象且逻辑严谨,因此让计算机自动地对图像内容进行抽象和总结,具有很大的挑战性。本文对图像简单标题生成与描述任务进行了阐述,分析了基于手工特征的图像简单描述生成方法,并对包括基于全局视觉特征、视觉特征选择与优化以及面向优化策略等基于深度特征的图像简单描述生成方法进行了梳理与总结。针对图像的精细化描述任务,分析了当前主要的图像“密集描述”与结构化描述模型与方法。此外,本文还分析了融合情感信息与个性化表达的图像描述方法。在分析与总结的过程中,指出了当前各类图像标题生成与描述方法存在的不足,提出了下一步可能的研究趋势与解决思路。对该领域常用的MS COCO2014（Microsoft common objects in context）、Flickr30K等数据集进行了详细介绍,对图像简单描述、图像密集描述与段落描述和图像情感描述等代表性模型在数据集上的性能进行了对比分析。由于视觉数据的复杂性与自然语言的抽象性,尤其是融合情感与个性化表达的图像描述任务,在相关特征提取与表征、语义词汇的选择与嵌入、数据集构建及描述评价等方面尚存在大量问题亟待解决。     

科技英语翻译中的语段等级

英国语言学家哈利迪在系统语法中提出语言等级的概念，即语言通常有五个语法单位，或五个等级，它们由高到低分为语段、句子、子句、词组和词素。语段，就是大于句子的语言片段。在语段的句子之间，意义上有一定的逻辑联系，结构上有较为密切的语法关系，形式上一般以一定的语言手段为组合的标志，与上下文既相互关联又相对独立。把语段等级为一个翻译单位，对其在翻译实践中的意义和作用，以及语段的切分和语段与翻译的等值关系等方面进行探讨和研究。     

在线考试系统中试题上传方法的优化

试题库是在线考试系统的数据基础。现有的试题上传方法需人工预处理操作,代价高,效率低。针对这一问题,提出了一种基于语义的高效、智能解析方法IDP（Intelligent Document Parsing）。IDP根据试题的类型特征,定义解析规则,并对所有段落进行规则匹配,实现类型识别。此外,针对特定类型的试题,进行分割段落、语段分析,从而完成智能解析,实现试题上传功能。实验结果表明,IDP省去了人工预处理的步骤,可以直接使用任意格式的试题资源文档完成上传任务,效率明显提升,具有很好的通用性和实用性。     

从视频到语言:视频标题生成与描述研究综述

视频标题生成与描述是使用自然语言对视频进行总结与重新表达.由于视频与语言之间存在异构特性,其数据处理过程较为复杂.本文主要对基于“编码?解码”架构的模型做了详细阐述,以视频特征编码与使用方式为依据,将其分为基于视觉特征均值/最大值的方法、基于视频序列记忆建模的方法、基于三维卷积特征的方法及混合方法,并对各类模型进行了归纳与总结.最后,对当前存在的问题及可能趋势进行了总结与展望,指出需要生成融合情感、逻辑等信息的结构化语段,并在模型优化、数据集构建、评价指标等方面进行更为深入的研究.