豪放词

摘要： 张伯驹是我国现代卓越的词人,其婉约词风为人们所熟悉。但鲜有人知的是,张伯驹其实也填了许多豪放词,可惜至今还没有引起学界的足够重视。认识张伯驹的豪放词及其艺术特色,不仅对全面研究张伯驹诗词有重要价值和意义,而且对研究我国现代豪放词的创作与发展特色同样有积极作用。

摘要： [课文精析]苏轼的一生,仕途坎坷,受尽挫折,但报国之志和不老情怀却至死不渝。北宋熙宁八年(公元1075年),苏轼任密州知州时创作的《江城子·密州出猎》是他第一首豪放词,抒发了他为国效力疆场的雄心壮志和豪迈情感,在我国诗歌发展史上具有里程碑意义。1.《江城子·密州出猎》上阕是叙写出猎。

摘要： 整理统编初中语文教材选编的19首词可以发现:教读8首,自读11首;豪放词多于婉约词。九年级下册第三单元第12课紧扣主题“选择与坚守”选编了四首壮词:苍凉悲壮的《渔家傲·秋思》,狂放雄壮的《江城子·密州出猎》,遒劲豪壮的《破阵子·为陈同甫赋壮词以寄之》,慷慨壮烈的《满江红(小住京华)》。这四首词虽同为抒发家国情怀的豪放词.

摘要： 日本学者村上哲见的辛弃疾研究主要体现在三个方面:其一是详细考证辛弃疾仕宦经历,尤其是对此研究存在的争议或谬误之处进行考辨,确定其初授官职及升迁之路均是破格待遇,落职的原因主要是遭人嫉恨。其二是考察辛弃疾和吴文英词在历代词选中的收录情况,通过选本编著者对辛弃疾“现实派、士大夫词”评价的升降起伏,展示不同时期的词学思潮及词学观。其三是分题材探讨辛弃疾词的丰富多样性,反对以“豪放”简单概括其词风。村上哲见的辛弃疾词研究继承了日本“以实证为基”的传统,同时不断地拓展延伸,成为辛弃疾词研究的重要组成部分。

摘要： "英雄词"是一个有歧义的概念,一是指风格豪放的词,二是指英雄所写的词,三是指表现英雄气概和战斗精神的词.循名责实,最后一种理解较为合理.翻检辛弃疾的全部词作,符合这一特点的不过三十首左右,不宜夸大其数量及所占比例.辛词中有些作品虽然也洋溢着爱国的情思,但要么基调低沉,战斗精神已近消解,要么风格豪放而近于率性自适,都不再是英雄气概的抒写,不宜视为"英雄词".要正确衡估辛弃疾的"英雄词".以同样的标准翻检两宋词,辛弃疾的"英雄词"数量还是最多的.在两宋(尤其是南宋)"英雄词"的发展史上,辛弃疾无疑是最高的山峰.

摘要： 明代学者徐师曾论宋代两大词风,说“婉约者欲其辞情蕴藉,豪放者欲其气象恢弘”(《文体明辨序说》),这是在风格上指出婉约词和豪放词的差异。如果从内容上看,婉约词多写离别相思、旅途辛苦,豪放词则多写时势抱负、家国情怀。

摘要： 贺铸生活于北宋末期,创作了20余首豪放词,这些词在豪放词发展史上起承上启下的过渡作用.从书写内容看,贺铸豪放词中书写登临怀古、抒发内心豪壮情感的内容上承苏轼词,书写军情国事、表达隐逸向往的内容下启南宋词;从使用手法看,贺铸豪放词中以诗为词写法上承苏轼词,回忆以及化用前人成句的手法下启南宋词.

摘要： 本文就中学阶段所学诗词中人物的"笑"设立专题,对其进行专题性学习和研究。一、感悟多元美"笑"表现出的情感和内容具有多义性,这就要求我们必须仔细思考和分析。1.英雄之笑:美在无畏,美在精神,美在崇高我们知道豪放词气魄宏大而情感浓郁,取材广泛,境界高远,时常以军情国事内容入词。

摘要： 中学语文所选的苏轼几首词,正好都是他在黄州时所作,特别是代表作《念奴娇·赤壁怀古》最为杰作。然在风格确认、语句理确以及教材的注释,也都存在着不少需要深长思之的地方。一、《念奴娇·赤壁怀古》的风格定位一提起苏轼此词,首先潜在的反映--这是“豪放词”,这已经成为定论。

摘要： 本发明揭示一种由电子装置执行的用于获得由用户指定的关键词的说话者不相依关键词模型的方法。所述方法可包含从所述用户接收指示所述关键词的至少一个样本声音。所述方法还可基于所述至少一个样本声音而产生所述关键词的说话者相依关键词模型、响应于产生所述说话者相依关键词模型而向服务器发送对于所述关键词的所述说话者不相依关键词模型的请求，和从所述服务器接收适于检测由多个用户说出的所述关键词的所述说话者不相依关键词模型。

摘要： 取得包含用户输入的检索字的检索查询（S4），将取得的检索查询与用户识别信息和检索查询的取得时刻对应地存储在检索查询记录DB（12a）中（S5），在检测到规定用户操作的情况下，提取与该用户的用户识别信息对应的检索查询（S6），从提取出的检索查询中确定第1检索查询（S7），从提取出的检索查询中确定取得时刻在第1检索查询的取得时刻之前的第2检索查询（S8、S9），在关联词DB（12b）中登记第1检索查询的检索字和第2检索查询的检索字作为关联词（S10）。

摘要： 取得包含用户输入的检索字的检索查询（S4），将取得的检索查询与用户识别信息和检索查询的取得时刻对应地存储在检索查询记录DB（12a）中（S5），在检测到规定用户操作的情况下，提取与该用户的用户识别信息对应的检索查询（S6），从提取出的检索查询中确定第1检索查询（S7），从提取出的检索查询中确定取得时刻在第1检索查询的取得时刻之前的第2检索查询（S8、S9），在关联词DB（12b）中登记第1检索查询的检索字和第2检索查询的检索字作为关联词（S10）。

摘要： 一种用于在自动语音识别(ASR)系统中学习词汇表外的(OOV)词的方法(和结构和计算机产品)包括：使用原声词嵌入递归神经网络(AWERNN)来接收所述ASR系统的新OOV词的特征序列，所述RNN提供原声词嵌入(AWE)向量作为其输出。从AWERNN输出的AWE向量被提供作为原声词嵌入到训练的原声到词的神经网络(AWE→A2W NN)的输入，以从所述AWE向量提供OOV词的权重值。将OOV词权重插入到由ASR系统使用的原声到词(A2W)的词嵌入的列表中，以从语音原声特征的输入输出所识别的词，其中OOV词权重相对于A2W词嵌入列表中的现有权重被插入到A2W词嵌入列表中。

摘要： 进行具有高精度的同义词判断而从文本中自动地生成同义词辞典。对文本进行词素分析，而将文本分割为多个单词，获得词素分析完毕文本。对词素分析完毕文本进行主题分类，从多个单词中选择属于各主题的至少一个主题词，从至少一个主题词中提取附带有各主题的特征的基准词。对多个单词进行多维向量化，而获得分别表现多个单词的多个向量。从多个单词中选择至少一个类似词。以使表现基准词的向量与表现至少一个类似词的各类似词的向量之间的类似度高于设定的基准的方式，选择至少一个类似词。制作登记有至少一个类似词的至少一部分的同义词辞典。

摘要： 本发明提出了一种查询词嵌入扩展词和统计扩展词并集的中文查询扩展方法，其利用深度学习工具对对初检文档集进行词嵌入语义学习训练，得到词向量集，计算每个查询词项与所有非查询词项的向量余弦相似度并降序排列，提取前列非查询词项作为查询词项词嵌入扩展词，得到查询词项词嵌入扩展词集，然后利用基于Copulas理论的统计扩展词挖掘方法对伪相关反馈文档集挖掘统计扩展词，建立统计扩展词集，最后将查询词项词嵌入扩展词集和统计扩展词集进行并集得到最终扩展词，最终扩展词和原查询组合为新查询，再次检索文档集，实现查询扩展。本发明将查询词嵌入扩展词和统计扩展词并集融合，能挖掘出与原查询相关的高质量扩展词，提高和改善文本信息检索性能。

摘要： 本发明公开了一种拼词方法、拼词从机及拼词系统，其中拼词方法应用于拼词系统的拼词从机，所述拼词系统还包括与终端设备通信连接的拼词主机，所述拼词方法包括：接收所述拼词主机发送的待拼词组，所述待拼词组为所述终端设备接收触发指令时，根据所述触发指令生成对应的待拼词组并发送给所述拼词主机，以使所述主机将所述待拼词组发送给所述从机；获取拼接词组，所述拼接词组为所述拼词从机从字符组件获取；判断所述待拼词组和所述拼接词组是否匹配；若匹配，则生成响应信息并将所述响应信息发送给所述拼词主机，以使所述拼词主机将所述响应信息转发给所述终端设备，从而使所述终端设备根据所述响应信息做出响应。

摘要： 本发明公开了一种拼词主机、字符模块、拼词系统和拼词方法，其中拼词主机包括主处理器和连接于主处理器的存储器、输出装置和主机接口；主机接口用于获取字符模块发送的信息，存储器用于存储预设语句，主处理器用于判断字符模块发送的信息是否正确或是否与预设语句匹配，输出装置用于输出判断结果。通过积木式的字符模块组成语句，字符模块能自主识别拼接是否完成拼接，拼词主机获取字符模块拼接成的语句信息判断是否正确或与预设语句匹配，之后输出匹配结果。字符模块与拼词主机的结合方式比较独特，使用者可以有搭积木的体验，同时学到单词、算数等知识。

摘要： 本发明公开了一种拼词识别装置、字符模块、拼词系统和拼词方法，其中拼词识别装置包括处理器和检测部，检测部用于放置字符模块；检测部设有检测组件，检测组件包括与处理器连接的多个检测点，检测组件用于通过检测点与字符模块上检测标记的配合以获取字符模块上检测标记的分布；处理器用于根据检测标记的分布识别字符模块的字符标记；字符模块包括字符标记和检测标记，检测标记的分布与字符标记相关联。通过拼词识别装置中的检测组件检测字符模块上检测标记的分布，进而由检测标记的分布得到字符模块的字符标记。字符模块与拼词识别装置的结合方式独特，使用者可以有搭积木、拼图的体验，同时学到单词、算数等知识。

摘要： 本发明揭示一种由电子装置执行的用于获得由用户指定的关键词的说话者不相依关键词模型的方法。所述方法可包含从所述用户接收指示所述关键词的至少一个样本声音。所述方法还可基于所述至少一个样本声音而产生所述关键词的说话者相依关键词模型、响应于产生所述说话者相依关键词模型而向服务器发送对于所述关键词的所述说话者不相依关键词模型的请求，和从所述服务器接收适于检测由多个用户说出的所述关键词的所述说话者不相依关键词模型。