俄语语法

摘要： 从俄语专业教学、学生和语法课程特点出发,基于BOPPPS模型进行模块化课堂教学设计,旨在激发学生的学习兴趣,提高学生的课堂参与度,培养学生扎实的俄语基本功、思辨能力、跨文化能力、实践能力和研究能力,同时开展课程思政,实现高效的多元化课堂教学目标。

摘要： 随着教育教学改革的不断深入,外语教学更加注重综合素质和实践能力培养的结合.对高校俄语语法教学来说,固有的传统教学法根深蒂固,有其不可替代的优势,任务型教学法作为新兴的教学方法,有其独特之处.因此,尝试在俄语语法教学中综合两者优势,扬长避短,以求解决目前俄语语法教学中的问题,提高教学质量,助力俄语人才培养.

摘要： 随着教育教学改革的不断深入,外语教学更加注重综合素质和实践能力培养的结合。对高校俄语语法教学来说,固有的传统教学法根深蒂固,有其不可替代的优势,任务型教学法作为新兴的教学方法,有其独特之处。因此,尝试在俄语语法教学中综合两者优势,扬长避短,以求解决目前俄语语法教学中的问题,提高教学质量,助力俄语人才培养。

摘要： 混合式教学模式是一种以学生为主体,将线下的传统课堂和线上的网络教学有机结合的混合型教学模式.分析传统教学模式存在的不足,剖析基于微课的混合式教学模式的内涵,从混合式教学设计、微课资源建设、评价方式、教学效果分析等方面对俄语实践语法课程的混合式教学模式进行深入的理论研究和实践论证,以期能够改进俄语教学方法、优化学习效果、提高学生自主学习能力,实现教学模式创新.

摘要： 华劭,博士生导师,1930年生。1951年毕业于哈尔滨外国语专门学校,后留学莫斯科大学语文系。长期从事俄语、普通语言学的教学与研究工作,先后任教于哈尔滨外国语学院、黑龙江大学。曾任黑龙江大学俄语系主任、俄语研究所所长,中国俄语教师联合会副会长,黑龙江省政协常委。1990年荣获世界俄语教师联合会授子的普希金奖章和奖状。

摘要： 言语行为理论是语用学的核心理论之一,而言语行为理论的研究重点之一就是施为句,施为句与施为动词有着密不可分的关系.施为动词蕴含着言语行为理论"一言即一行"的精髓,可谓是区分描写句与施为句的重要分水岭.言语行为理论译介到俄罗斯后,受到了俄罗斯语言学家广泛而深入的研究,这为言语行为理论注入了新的内涵,拓宽了言语行为理论框架下施为动词的研究视野.

摘要： 语法是语言的基础,是支撑整个语言的骨架。俄语语法更是俄语学习的重点内容,作用和地位不容忽视。对于“零基础”的俄语学生来说,如果低年级的语法学不扎实,不仅影响基础知识的掌握和积累,而且高年级精读、翻译等课程的学习也会变得困难重重。对此,教师可对俄语低年级语法教学策略进行探讨。

摘要： 俄语的词形变化复杂、支配关系严格,对中国学生学生来说,在语言表达时总是顾及如何变化,担心出错,这便成为我国学生俄语入门的一个难点,从语音入手讲授语法,能大大的简化词形变化规则.

摘要： 模糊性是自然语言的一般属性,表现在语音、语法、词汇等各个方面.本文试图在总结中国和俄罗斯学界对语言模糊性研究的基础上,从模糊语言学角度分析俄语同音异义词的模糊本质,说明其模糊性在言语活动中的体现与动态性,从模糊修辞学角度揭示同音异义词在运用中的积极作用与消极作用,以期深入了解同音异义词的模糊性规律,指导模糊修辞实践,为俄语的模糊性研究开辟新视角.

摘要： 模糊性是自然语言的一般属性,表现在语音、语法、词汇等各个方面.本文试图在总结中国和俄罗斯学界对语言模糊性研究的基础上,从模糊语言学角度分析俄语同音异义词的模糊本质,说明其模糊性在言语活动中的体现与动态性,从模糊修辞学角度揭示同音异义词在运用中的积极作用与消极作用,以期深入了解同音异义词的模糊性规律,指导模糊修辞实践,为俄语的模糊性研究开辟新视角.

摘要： 模糊性是自然语言的一般属性,表现在语音、语法、词汇等各个方面.本文试图在总结中国和俄罗斯学界对语言模糊性研究的基础上,从模糊语言学角度分析俄语同音异义词的模糊本质,说明其模糊性在言语活动中的体现与动态性,从模糊修辞学角度揭示同音异义词在运用中的积极作用与消极作用,以期深入了解同音异义词的模糊性规律,指导模糊修辞实践,为俄语的模糊性研究开辟新视角.

摘要： 本发明提供了对MPEG-4AVC高层编码中的CAVLC？4:4:4帧内、高4:4:4帧内和高4:4:4预测简档使用针对coded？block？flag语法元素的语法的方法和装置。一种装置包括编码器(100)，用于根据编码简档将图像数据编码成结果比特流，所述编码简档对图像数据的采样进行编码，使所述采样包括两个色度阵列和亮度阵列。两个色度阵列分别具有与亮度阵列相同的高度和相同的宽度。所述编码器(100)使用语法元素指示至少一个8×8块在结果比特流中的存在。

摘要： 本发明提出一种语法编译系统适用于自然语言。语法编译系统包括编译模块、输入装置以及处理器。编译模块具有内建句式模板。内建句式模板包括多个形式参数。编译模块为语法编译平台。输入装置用以接收词组数据以及语意数据。处理器耦接输入装置，并且用以执行编译模块。当处理器执行编译模块时，处理器读取编译模块当中的内建句式模板，并且将词组数据以及语意数据与内建句式模板结合，以产生语法表达式数据。另外，一种语法编译方法也被提出。

摘要： 本发明提供了一种基于弱化语法错误特征表示的中文语法错误更正方法，在用于中文语法错误更正任务的Transformer神经网络的基础上，通过编码器所提取得到字符特征表示和上下文特征表示，为待纠错文本中每一个字符学习得到一个弱化因子。弱化因子能够通过联合方程将编码器提取得到的字符特征表示和上下文特征表示联合，使得编码器所提取得到的待纠错文本的特征表示中，语法错误的特征信息得到抑制，从而弱化了语法错误特征信息对中文语法错误更正模型的负面影响，提升了基于Transformer的序列到序列神经网络模型在中文语法错误更正任务中的性能。

摘要： 本发明提供了对MPEG－4 AVC高层编码中的CAVLC4:4:4帧内、高4:4:4帧内和高4:4:4预测简档使用针对coded_block_flag语法元素的语法的方法和装置。一种装置包括编码器(100)，用于根据编码简档将图像数据编码成结果比特流，所述编码简档对图像数据的采样进行编码，使所述采样包括两个色度阵列和亮度阵列。两个色度阵列分别具有与亮度阵列相同的高度和相同的宽度。所述编码器(100)使用语法元素指示至少一个8×8块在结果比特流中的存在。

摘要： 一种根据本文档的由解码设备执行的解码方法包括以下步骤：基于从比特流获得的关于预测模式的信息来确定当前块的预测模式；基于预测模式来构建合并候选列表；基于合并候选列表来推导当前块的运动信息；以及基于运动信息来生成当前块的预测样本，其中比特流包括关于表示组合的图片间合并和图片内预测(CIIP)是否可用的CIIP可用标志，以及所述确定步骤可以包括基于CIIP可用标志从比特流获得常规合并标志。

摘要： 本发明公开了一种基于多粒度语法错误模板学习微调的语法纠错方法和系统。本发明方法通过在预训练语言模型中分别执行正误判断任务的模板学习过程、错误类型预测任务的模板学习过程和修改方式预测任务的模板学习过程。然后通过多任务学习，使用三个任务损失计算预训练语言模型的训练损失，用训练损失调节预训练语言模型的模型参数，得到微调后预训练语言模型。然后，使用微调后预训练语言模型和融合预训练语言模型的生成语法纠错方法，训练一个语法纠错模型。最后，将待纠错语句输入语法纠错模型，得到待纠错语句的正确语句。本发明通过多任务学习考虑了三种粒度的语法纠错信息之间的依赖和交互，为语法纠错模型提供丰富、多角度的语法纠错信息。

摘要： 本发明涉及大数据分析的技术领域，具体公开了一种语法提示方法、语法提示装置、计算机设备及存储介质；其中，该语法提示方法包括：根据预设的标签符号标识获取标签类型，以获取调用的标签库中的多个要素标签模版，并将多个要素标签模版按照第一预设顺序进行排序；根据预设的函数符号标识获取函数类型，以获取调用的函数库中的多个函数模版，并将多个函数模版按照第二预设顺序进行排序；获取用户输入的目标符号标识；若目标符号标识为标签符号标识，则将多个要素标签模版按照第一预设顺序提示在页面上；若目标符号标识为函数符号标识，则将多个函数模版按照第二预设顺序提示在页面上。本发明的语法提示方法，可以提高代码开发效率。

摘要： 本发明的实施方式提供了一种用机器实现语法纠错的方法及装置和用于语法纠错模型的训练方法及训练设备。该用机器实现语法纠错的方法包括：将输入的第一语种的文本编码成中间表示；将所述中间表示解码成第二语种的文本；以及基于所述中间表示和所述第二语种的文本，生成经语法修正的第一语种的修正文本。根据本发明的用机器实现语法纠错的方法不仅能够忽略可能存在的小语法错误，还能够通过结合中间表示来避免回译过程中的信息丢失，从而能够显著的提高语法纠错的准确性，为用户带来了更好的体验。

摘要： 本申请公开了一种语法缺陷数据识别模型构建方法和语法缺陷数据识别方法，该构建方法包括：在获取到第一训练源文本、第一标准翻译文本及其对应的第一实际识别结果、和第一语法缺陷翻译文本及其对应的第二实际识别结果后，将第一训练源文本、第一标准翻译文本和第一语法缺陷翻译文本输入第一模型，得到第一标准翻译文本对应的第一预测识别结果和第一语法缺陷翻译文本对应的第二预测识别结果；再根据第一预测识别结果、第二预测识别结果、第一实际识别结果和第二实际识别结果更新第一模型，并返回执行将第一训练源文本、第一标准翻译文本和第一语法缺陷翻译文本输入第一模型的步骤，直至在达到第一停止条件时根据第一模型构建语法缺陷数据识别模型。

摘要： 本申请涉及一种语法纠错模型的训练方法及装置、语法纠错方法及装置、计算设备及计算机可读存储介质。训练方法包括：基于第一训练集进行数据扩展处理获得第二训练集；基于所述第二训练集获取第二源样本语句以及第二目标样本语句；将所述第二源样本语句输入至语法纠错模型，生成纠错样本语句；基于所述纠错样本语句与所述第二目标样本语句确定损失值；基于所述损失值对所述语法纠错模型进行迭代训练，直至达到训练停止条件。通过对已有的训练集进行数据增强处理，达到对训练集进行自动扩充的目的，有效地减少了人工劳动。