语言表征

摘要： 画图表征是数学教师教学的一种重要手段。它凭借图形的直观性,将抽象的数学语言与直观的图形语言有机结合,引导学生根据自己的需要画出不同的图,使数学语言合情转换成几何直观图形,达到以形助数、让数学在学生的眼中变得简洁而丰富的目的。一、运用画图表征,使学生“理清法明”,实现算理与算法的无痕对接在计算教学中,部分教师只借助语言表征进行枯燥的讲解,往往造成学生“理不清,法不明,能难成”,为了更好地使学生明理懂法,在教学中可以让学生借助点子图、方格图、线段图等多种画图表征直观地呈现计算的过程,将理的抽象与法的直观巧妙地结合。

摘要： 近年来,尽管非物质文化遗产的定义和概念被不断强化,但是其本原内涵正在不断变异和分化.作为非遗融入社会生活场域的语言表征,与非遗这一概念链接的关键词越来越多,这种语言网络的增殖并不意味着其规约性和内质的改变,而是从一个侧面反映了其生存语境的变迁,价值化路径的拓展.在传播学意义上,非遗的符号化传播也是其超越经济学价值,追求意义生产的开始.

摘要： 基于话语分析理论,采用质性研究方法,辅助软件NV,依据系统功能语法的情态观,对大学生“内卷化”语言表征进行研究。研究发现,大学生在其自我叙事中呈现出不同的语言表征,包括:积极主动型、焦虑痛苦型、懈怠麻痹型、迷茫无措型。

摘要： 相互事件是人类社会认知的核心反映,也是语言类型学的热点话题。然而,生命度观照下相互事件语言表征的类型学特征在国内外较少受到关注。鉴于此,本文通过实证研究探索生命度等级和参与者数量这两个语义参数下现代汉语相互事件语言表征的类型学特征。研究发现,生命度等级整体上与相互事件语言表征的类型复杂度、相互标记的使用频次、相互义场景的识别难度呈反比关系,参与者数量整体上与相互事件语言表征的类型复杂度呈反比关系。本文的研究结果可为现代汉语相互事件语言类型学研究提供一定的参考和借鉴。

摘要： 颜色作为文化符号在社会语言学和文化研究中具有重要意义,文章以《红楼梦》为例分析"红"意象在汉语中的语言表征及其文化认知理据.研究发现,《红楼梦》中"红"的语言表征为基本颜色词"红"和三类非基本颜色词,即"红"的近义词、由"红"构成的复合颜色词、物品名称用于描述红色意象."红"意象在《红楼梦》中具有深刻内涵,体现了中国文化中的"尚红"心理和汉语中转喻和隐喻的普遍性.在《红楼梦》中,"红"意象主要用于转喻人物、事件、身份和情感,红色物品的名称常用于转喻和隐喻"红"意象,"红"意象主要隐喻时间和喜庆.在《红楼梦》中,"红"转喻使用的情况多于隐喻使用,这似乎证明颜色转喻比颜色隐喻更基础.

摘要： “表征”一词在生成语言学和认知语言学中均被广泛使用,但其内涵未被澄清。从“实体表征”“心理表征”到“语言表征”,“表征”概念不断“延异”,内涵日益抽象,表征的对象也从可见、可测的实体扩展到几乎不为我们所知的大脑内在机制或状态。当前研究中的“表征”概念虽然只是一种科学猜想和研究设定,但对推进相关领域的研究而言,它的存在是合理的、必要的。在语言学研究中,研究者应该避免混淆“语言表征”和“语言符号”,避免追求“表征对象”实体化等研究误区,坚持以自然科学研究为基础,鼓励语言学研究路径的多样化,提升“表征”概念的解释力。

摘要： 低年级学生思维发展正处于具体形象思维阶段,教学中,教师应引导学生运用规范的语言表征、直观的实物表征、动态的操作表征和抽象的符号表征等多元表征,让思维可视化,提高学生的数学思维能力和数学学习兴趣。

摘要： 对英语和汉语中有关空间形状、空间关系和空间区域的语言特征进行总结和归纳,认为空间词的多义性、图形和背景的空间分割、空间参照物和参照框架、空间图式化和空间隐喻是表达空间概念的普遍特征.空间图式化还具有理想化、抽象化和拓扑性特点.认知空间的语言表征形式最终由交际目的所决定.

摘要： 小学生学习数学知识的过程就是他们转换和运用数学语言的过程。文字语言就是"数学化"了的自然语言;符号语言就是按一定规则组合而成、能准确表达数学对象内涵的符号串或式子;图形语言就是具有各种数学信息的图形,能帮助学生数学形象思维和抽象思维的形成。这三种数学语言的表现形式不同,但在突出数学对象本质特征方面的目标是一致的。学生学习用符号语言表征的分数概念时,教师要引导学生在概念形成过程中灵活转换数学语言,促进他们自主发现概念并理解和掌握概念。

摘要： 运算能力是小学生必须具备的关键能力之一。从多元表征出发,采用案例分析法,对整数、小数、分数及四则运算的实物表征、竖式表征、十进制数表征、语言表征、图形表征之间的关联与转换进行研究,可以挖掘小学数学的运算本质。知识有多种表征方式,可以从多角度思考问题。另外,不同的表征方式具有不同的作用,用多种表征形式进行运算,并注重各种表征之间的关联与转换,学生会更加深入地理解运算的本质。在小学数学教学中,合理利用多元表征,可以有效提高学生的运算能力。何为数学多元表征?学生对于这个概念还是比较模糊的。

摘要： 本发明提供了一种基于对比学习的文本表征方法、装置及存储介质，该方法包括：S1，获得原始语料，原始语料包括原始语句；S2，利用预训练语言模型对原始语句进行数据增强处理，获得原始语句的正例对；S3，利用正例对对对比学习模型进行训练；其中，步骤S2包括：对原始语句进行分词处理；S22，在词语列表中选定的词语前面添加[MASK]标记并利用预训练语言模型来预测[MASK]标记的字符和字符出现的概率；S23，用出现的概率超过预定概率阈值的字符替代[MASK]标记加入到原始语句中，获得原始语句的一个增强语句，原始语句与增强语句构成原始语句的一个正例对。上述方案通过使用对比学习的思想提高了文本表征的效果。

摘要： 本发明公开了一种语言表征信息测试的处理方法及装置、存储介质、终端，涉及数据处理技术领域，主要目的在于解决现有对于用户已掌握的真实语言表征信息数量无法准确的识别，降低了语言表征信息测试的有效性，无法准确利用语言表征信息数量测试结果进行语言学习，从而影响语言表征信息测试的使用效率的问题。包括：输出与待测试语言表征信息匹配的语言表征测试题目，所述语言表征测试题目携带有用于指示输入匹配所述语言表征信息对应测试信息的指示信息；接收匹配所述语言表征测试题目输入的测试信息；利用所述输入的测试信息与所述指示信息匹配的测试信息确定所述语言表征测试题目的测试结果。

摘要： 本发明公开了一种利用自适应的时空图模型通过提升视频‑语言表征学习来解决视频问答问题的方法及其系统，属于视频问答文本生成领域。首先，针对一组视频、问题、答案训练集，使用目标检测器获取每个视频帧的目标级别的信息。其次，对于目标级别的信息，使用自适应的时空图模型学到目标的动态表达。最后，使用Transformer模型学习视觉和文本信息之间的联系，增强视觉问答的性能。相比于一般的视频问答解决方案，本发明利用了自适应的时空图模型更好地获取了目标的时空动态信息，同时试图将不同视频帧的相同物体联系起来，更好地捕获动态信息，并采用了图片‑语言数据进行预训练来提升视频‑语言模型，提升了解决视频问答问题的效果。

摘要： 本申请实施例提供了训练语言表征模型的方法、查找语句的方法及装置，该方法包括：获取目标训练语句，其中，所述目标训练语句是通过对语言表征模型所应用的目标领域的语句进行采集获得的；根据所述目标训练语句对预训练语言表征模型进行训练，获得目标语言表征模型，其中，所述预训练语言表征模型依次包括短语特征提取层、句法特征提取层和语义特征提取层，所述语义特征提取层中的第i层中部分节点的输入为所述短语特征提取层中的第j层的输出，i和j为大于或等于1的整数。通过本申请的一些实施例能够提升语言表征模型的运行速度，并且能够使目标语言表征模型中的参数更适合应用于目标领域，从而提升语言表征模型的精确度。

摘要： 本申请实施例提出了语言表征模型的训练方法、装置、设备、介质及用户响应方法，其中，上述训练方法中，获取样本集合，每个样本中包括第一语句、第二语句及相似标签；将第一语句输入第一基础模型，以获取第一表征向量；将第二语句输入第二基础模型，以获取第二表征向量；计算第一表征向量和第二表征向量之间的距离，以获得距离向量；将第一表征向量、第二表征向量和距离向量进行拼接，将拼接获得的向量输入分类层，获取预测结果；计算预测结果与相似标签之间的差值，依据差值调整所述第一基础模型和所述第二基础模型的参数，以训练出一个语言表征模型，该模型可以生成表征能力更强大的向量，体现句子更精准的语义。

摘要： 本发明公开了一种三线性编码系统及视频‑语言表征学习方法，方法包括以下步骤：S1、使用教学类视频和电视数据集作为数据样本，并将其分为视频片段；S2、使用密集字幕生成模型提取视频片段的密集字幕；提取原始ASR转录文本；每个片段的密集字幕作为原始ASR转录文本的补充文本；S3、将视频片段、原始ASR转录文本和密集字幕作为三线性编码系统的输入，获得视频‑语言表征；S4、使用视频‑语言表征进行视频‑文本的多模态信息交互。本发明关注模态间互信息；将密集字幕作为补充文本，自动提取密集字幕，实现了视频文本匹配。

摘要： 一种基于方程描述的建模语言表征方法，通过根据预设的图形建模框架将从预设的基于方程描述的建模语言建立的模型中涉及的每种方程进行图形化处理得到图形化后的模型，即以统一的图形框架将预设的基于方程描述的建模语言建立的模型中的每种方程进行有机融合，可以从全局视角、图形形式对基于方程描述的建模语言建立的模型进行描述，实现对模型行为约束关系的形式化表达，从而有效地支持复杂系统的设计与开发。

摘要： 本申请提供一种语言表征模型的训练方法及装置，所述语言表征模型包括至少两个顺次连接的堆栈层，每个所述堆栈层包括至少一个注意力头，所述语言表征模型的训练方法包括：获取目标文本语句中每个字符对应的原始向量和目标向量，将所述每个字符对应的原始向量输入至所述至少两个堆栈层；通过所述至少两个堆栈层依次对每个字符对应的原始向量进行处理，得到每个字符对应的特征向量，其中，每个所述堆栈层中的注意力头的数量根据堆栈层的连接方式逐级递减；计算每个字符对应的特征向量和目标向量之间的损失值，确定目标损失值；根据所述目标损失值调整所述语言表征模型的参数以训练所述语言表征模型。

摘要： 本发明公开了一种语言表征信息测试的处理方法及装置、存储介质、终端，涉及数据处理技术领域，主要目的在于解决现有对于用户已掌握的真实语言表征信息数量无法准确的识别，降低了语言表征信息测试的有效性，无法准确利用语言表征信息数量测试结果进行语言学习，从而影响语言表征信息测试的使用效率的问题。包括：输出与待测试语言表征信息匹配的语言表征测试题目，所述语言表征测试题目携带有用于指示输入匹配所述语言表征信息对应测试信息的指示信息；接收匹配所述语言表征测试题目输入的测试信息；利用所述输入的测试信息与所述指示信息匹配的测试信息确定所述语言表征测试题目的测试结果。

摘要： 本发明公开了一种利用自适应的时空图模型通过提升视频‑语言表征学习来解决视频问答问题的方法及其系统，属于视频问答文本生成领域。首先，针对一组视频、问题、答案训练集，使用目标检测器获取每个视频帧的目标级别的信息。其次，对于目标级别的信息，使用自适应的时空图模型学到目标的动态表达。最后，使用Transformer模型学习视觉和文本信息之间的联系，增强视觉问答的性能。相比于一般的视频问答解决方案，本发明利用了自适应的时空图模型更好地获取了目标的时空动态信息，同时试图将不同视频帧的相同物体联系起来，更好地捕获动态信息，并采用了图片‑语言数据进行预训练来提升视频‑语言模型，提升了解决视频问答问题的效果。