非语言信息

摘要： 随着5G逐渐向5.5G乃至6G演进以及扩展现实(XR)技术的进步,那些曾经仅存在于科幻影视文学作品中的“全息通信”场景,如今已成为消费者和企业用户最想要使用的5G应用之一。全息通信(holographic communication)是指对远程通信对象的影像、语音、动作等3D表现信息进行实时的捕获、编码、传输和渲染;在当前技术条件下,用户一般通过XR头显设备来接收3D图像或视频,从而获得类似于全息影像的视觉效果。与2D视频相比,全息通信可以传达更丰富、微妙的非语言信息,带来更强烈的临场感和即时感,从而提高人类交互的质量。5G时代之前,网络能力是限制全息通信发展的瓶颈。如今,基于电信运营商所提供的5G和边缘计算技术,网络接入方面的进步已经能够实现自然流畅的全息图像显示,由此也让一系列全新通信场景成为可能。近期,欧洲电信运营商成功地测试了一种易于使用的3D全息通话解决方案,该方案有望在未来将现实世界与虚拟世界融合在一起,让简单易用的“全息电话”成为可能。得到通信厂商和运营商的一致看好,全息通信或许将在不久的将来成为5.5G时代的“杀手级”应用。

摘要： 奥苏贝尔有意义学习理论认为,学生的学习是符号所代表的新知识与学生已有的认知结构相互联系而产生的一系列认知过程。为突出语言学习的有意义,教师需要借助非语言信息等知识结构图来活化英语课堂教学,让学生在学习中建构意义。思维导图是一种可视化的知识结构表征方式,它能将知识的内在逻辑关系或内在联系通过可视化的图形方式展示出来,让学生一目了然。

摘要： 教材是课程资源的核心,也是教师开展教学活动的主要依据.教师应深入解读教材,聚焦标题,预测文本主题,提取指令,引导自主学习,细读插图,指导预测推理,聆听录音,体会蕴含情感,绘制导图,建立逻辑联系,解读教材中的语言信息及非语言信息,以实现教材为课堂教学服务,为学生学习服务,真正提升英语课堂教学质态.

摘要： 英语教材是发展学生核心素养的重要教学资源,解读教材资源是核心素养落地的第一环节。笔者认为,教材资源可分为语言信息和非语言信息,语言信息包括标题、活动指令、主体文本等;非语言信息则包括插图、音视频、教材编写者的意图等。这些资源是教师教学的主要内容,是学生获取知识技能、发展核心素养的重要载体。解读教材资源的过程是教师研读、思考、分析和再构教材的过程,是教师精准设定教学目标、设计有效教学活动的前提,是教师创造性使用教材的关键,更是确保学生充分体验文本、发展核心素养的重要保证。

摘要： 课程标准分析:1.语言知识与技能:(1)根据读音规则和音标拼读单词;(2)能够表述词语的基本含义、语法项目以及语言形式的基本结构和表意功能;(3)能在课堂活动中用简短的英语进行交际,例如,能听懂学习活动中连续的指令和问题,并做出适当反应;(4)能运用本单元的词汇和语言形式就熟悉的话题进行简单的交流;能运用本单元的词汇和语言形式及所给提示简单描述人、物、事件等;(5)能在教师的指导下进行简单的角色表演;2.文化意识:了解语言的文化因素,体验跨文化交际。了解常见的西方食品及中,西方饮食文化差异;3.学习策略:(1)利用读音规则和音标拼读词汇,利用上下文、非语言信息等理解词义,联想学习和记忆词汇,构词法等;(2)利用情境等理解语法结构和表意功能,发现语言规律并举一反三;(3)复习、整理归纳所学内容;(4)利用预测、语调、重音、问题等来获取听力信息;(5)仿写短文,准备素材、起草短文并修改;(6)明确目标,制定计划;4.情感态度:乐于参与英语活动,敢于用英语表达,积极与他人合作,体验自己的学习效果。

摘要： 商务活动中常常使用一些非语言信息尤其是图表等符号传递商业信息.在商务写作中,写作者要将图表等非语言信息转换为语言,帮助读者准确地解读商务文本中的图表及其走势所传达的商业信息.探究商务英语写作中如何实现图表和语言之间的相互转换,可以为写作者提供有效的建议.

摘要： 文章以收录了多模态信息的口语语料库作为研究对象,对成熟的日语口语语料库进行了详细的分析.通过对对话中"笑声"的出现方式及特征进行实例分析,结合属性信息、对话特征信息、语调变化、沉默等数据,对口语语料库中多种信息的相互关联及活用方法进行了探讨.在此过程中,对口语语料库中多模态信息的科研价值进行了验证.

摘要： 文章提出了一种基于数字图像处理的课堂教学评价平台,利用教室中的课堂视频数据检测和识别教师和学生的非语言信息,并根据不同的非语言信息与教学效果、学习效果之间的关系,对教学活动过程进行评价.文章在研究非语言信息与教学效果、学习效果之间关系的基础上,对具体实现该评价平台所用到的表情识别和行为识别的方法进行了归纳和总结.

摘要： 小学英语课堂上,学生核心素养的发展离不开教师对教材资源的解读和利用.教师对教材资源的解读和利用水平,将影响到教学目标、教学活动、教学流程以及教学效果,并关系到学生在语言能力、学习能力、思维品质和文化品格四个维度的素养发展.本文从教材资源的语言信息及非语言信息两个方面提出相应的解读策略,旨在促成核心素养落脚点和教材资源培育点的有机契合.

摘要： 目的:探索中医问诊中的非语言信息,提高临床信息采集的准确性、全面性.方法:采集北京、天津15名中医专家与1547位病人问诊过程中医患之间交流的信息,采用专家访谈法,归纳影响问诊效果的非语言因素.结果:①专家注重礼节、仪表、坐姿、环境等,关心同情患者.②专家问诊医患双方间主要以90.夹角斜对而坐.医患距离54-62cm,平均距离(58.46±2.23)cm.结论:结果显示医生对问诊症状的询问是在一定语境中进行的,影响问诊效果的非语言因素主要包括:礼仪、坐姿、目光、心态、倾听、医患距离等.

摘要： 在当前基于信息库的语言教学的启发下,建立了《对外汉语新词教学信息库》.在《信息库》的基础上,对新词的语音、语法、语义、语用等语言信息和社会文化、心理认知等非语言信息进行了量化统计和数据分析,语言是个复杂的系统，从整体上说，语言系统的内部因素和语言系统的外部因素是一个相互依存的互动的过程，语言的社会属性和自身的系统性要求在看待语言发展时要树立全面的、动态的观点，试图将这些要素分开来说明新词在词汇系统中的共性只是为了论述的方便。在教学中，虽然新词教学所面对的是分散的、孤立的词语，但词汇是一个系统，"只有系统才能给个体以质的规定性"。因此，强调将新词教学置于词汇系统之中，在系统中认识新词的价值。同时，新词毕竟是不同于原有词及其他词汇类型的一个特殊的类，在注重新词在词汇系统中的共性的同时，还应看到新词在词汇特点和词汇类型等方面所具有的独特的个性，这样才能在教学中“因词制宜”区别对待。下一步将在《信息库》的基础上对新词词汇个性和教学策略进行分析，然后在共性和个性分析的基础上，将这些研究成果和教学建议应用于语言教学，在教学实践中检验其具体价值，并对其中的不足进行修订和补充。

摘要： 本发明是一种基于6W语义标识的非结构化自然语言信息抽取方法，它涉及信息技术领域。该抽取方法，包括以下步骤：S1，将数据库中完整数据元数据模型中存储的元数据复制到缓存中，得到元数据复制文本；S2，将非结构化自然语言进行文本解析，得到具有非结构化语言的数据元的文件File 8；S3，将所述数据元进行人工处理，然后建立索引文件，最后经过元数据登记，记录并保存文件的路径，完成基于6W语义标识的所述非结构化自然语言信息抽取；所述6W是六个维度的场景数据。本发明解决了现有信息抽取方法对编制规则的工程师要求高、费时费力，同时，还达不到需要信息集合最大化的问题。

摘要： 本发明提供一种跨语言检索请求的转换方法和装置以及跨语言信息检索方法和系统。该跨语言检索请求的转换方法包括：利用多个不同的机器翻译系统分别对上述跨语言检索请求进行从源语言到目标语言的翻译，以得到该跨语言检索请求的多个目标语言译文；以及以上述跨语言检索请求的上述多个目标语言译文为基础，构造与该跨语言检索请求对应的目标语言检索请求。本发明通过融合多个机器翻译系统所生成的跨语言检索请求的译文来构造目标语言检索请求，从而提高跨语言信息检索系统的检索性能。

摘要： 本发明提供一种具有一模块化的语言信息模块的多国语言系统及更新语言信息的方法。该多国语言系统包含：接口模块，用来产生使用者接口；语言信息模块，包含至少一个标识符串以及至少一语言信息，每一该标识符串是对应于一语言信息，而每一语言信息是代表一自然语言；以及一字型数据库，包含至少一个字型集合，每一该字型集合是对应于一语言信息，并且包含至少一个字型，以表示该语言信息所代表的自然语言；其中，该接口模块是用以根据该语言信息模块的语言信息，至其所对应的字型集合，以找出该语言信息所代表的自然语言的字型，并且显示该字型于该使用者接口上。

摘要： 一种跨语言信息建构方法，包含以系统的处理器从多个网络平台搜集多个对象信息。以处理器依据这些对象信息建构对应本地语言的第一数据结构与对应目标语言的第二数据结构。以处理器依据第一数据结构内的多个第一对象信息具有的特征数据，对这些第一对象信息进行分群以形成多个本地图像群组。以处理器依据第二数据结构内的多个第二对象信息具有的特征数据，对这些第二对象信息进行分群以形成多个目标图像群组。其中，每个本地图像群组包含多个本地标签群组，且每个目标图像群组包含多个目标标签群组。

摘要： 本发明公开了一种构建语言信息识别模型的方法及语言信息识别装置。该方法包括：采集并标识垃圾语言信息，并提取采集的垃圾语言信息中包含的特征词，生成垃圾特征词库；基于垃圾特征词库，构建以垃圾语言信息标识和特征词分别为行列向量的文档向量空间模型；根据预先设置的特征词向量权重算法并基于垃圾特征词库，分别计算构建的文档向量空间模型中的行列向量值，得到训练的文档向量空间模型；配置基于训练得到的文档向量空间模型的识别策略，构建语言信息识别模型以对语言信息进行垃圾语言信息识别。应用本发明，可以基于单类垃圾SMS数据构建语言信息识别模型，并能有效降低模型训练的资源消耗以及训练时间。

摘要： 本发明是一种基于6W语义标识的非结构化自然语言信息抽取方法，它涉及信息技术领域。该抽取方法，包括以下步骤：S1，将数据库中完整数据元数据模型中存储的元数据复制到缓存中，得到元数据复制文本；S2，将非结构化自然语言进行文本解析，得到具有非结构化语言的数据元的文件File 8；S3，将所述数据元进行人工处理，然后建立索引文件，最后经过元数据登记，记录并保存文件的路径，完成基于6W语义标识的所述非结构化自然语言信息抽取；所述6W是六个维度的场景数据。本发明解决了现有信息抽取方法对编制规则的工程师要求高、费时费力，同时，还达不到需要信息集合最大化的问题。

摘要： 本发明公开一种事件抽取中融合语言信息微调预训练语言模型的方法及系统，该方法步骤包括：S1.获取当前事件抽取任务所需融合的语言信息并进行编码，得到语言特征编码集合；S2.获取待输入的初始词向量，将初始词向量与特征编码集合进行初始融合，得到融合后词向量；S3.将初始词向量、融合后词向量分别输入一个预训练语言模型中，其中将初始词向量输入第一预训练语言模型中，得到第一组单词表示输出，以及将融合后词向量输入至第二预训练语言模型中，得到第二组单词表示输出；S4.将第一组单词表示、第二组单词表示进行二次融合，得到最终的单词表示，完成微调。本发明具有实现方法简单、信息融合充分且能够同时保留原始模型信息等优点。

摘要： 本发明公开了一种应用的多语言实现方法及多语言信息查询方法、装置，用以解决现有技术中存在的应用涉及成本高、数据更改时修改工作量大，且可能导致应用运行出现错误的问题。应用的多语言实现方法包括：生成业务实体的元数据实体信息；针对生成的元数据实体信息中有多语言需求的字段，进行多语言标记；根据多语言标记后的元数据实体信息生成业务实体的主数据表及多语言标记对应的多语言数据表；创建生成的多语言数据表与业务实体的主数据表之间的关联。

摘要： 本发明涉及一种机器语言信息处理技术，为了使机器模拟人的逻辑思维方法理解语言，掌握语法功能，即从主语、谓语、宾语、定语、状语、补语的句子结构到名词、动词、形容词、数量词及副词、虚词的理论及其运用，并且可以把每一部分的功能分析过程都演示出来，做为语言教学示范，提供语言学习的基础练习。各语种都有分析、判断、理解语言信息的语法功能，建立在一个通用和交流的平台上，使机器不仅能识别语言信息，而且可以运用语言信息，在各语种之间进行互译互换。

摘要： 本发明提供一种跨语言检索请求的转换方法和装置以及跨语言信息检索方法和系统。该跨语言检索请求的转换方法包括：利用多个不同的机器翻译系统分别对上述跨语言检索请求进行从源语言到目标语言的翻译，以得到该跨语言检索请求的多个目标语言译文；以及以上述跨语言检索请求的上述多个目标语言译文为基础，构造与该跨语言检索请求对应的目标语言检索请求。本发明通过融合多个机器翻译系统所生成的跨语言检索请求的译文来构造目标语言检索请求，从而提高跨语言信息检索系统的检索性能。