《傲慢与偏见》

摘要： 间接性的言语行为是在日常交流中用来表达说话含义的方式之一,在文学作品或影视作品中,也经常使用间接言语行为去表达角色的隐含意义。间接言语行为的使用,可以让角色的塑造更加自然、更加立体,而通过对角色间接言语行为的分析,也能加深读者或观众对人物的了解,提高对作品的认识。

摘要： 《傲慢与偏见》是英国著名女小说家简·奥斯汀的代表作。该作品主要讲述了生活在英国乡镇的不同中产阶级青年的爱情故事。18世纪末19世纪初的女性社会地位较低。在男权主义背景下,小说描述了具有不同婚姻意识的四桩婚姻。通过这些婚姻描述,简·奥斯汀传达了自己对婚姻的态度,并用细腻的文笔说明了社会状态对婚姻的影响。

摘要： 简·奥斯汀的《傲慢与偏见》是英国文学中最受欢迎的小说之一。它讲述了贝内特家五个女儿的爱情和婚姻故事。书中有许多幽默诙谐的对话,充分刻画了人物的不同性格特征。作为语用学研究的核心议题之一,隐藏在言语字面含义背后的会话含义不仅体现了小说人物不同的性格特征,也彰显了作者独特的幽默的语言风格。本文基于格莱斯(Grice)的合作原则,对《傲慢与偏见》中人物对话时因为违背合作原则而产生的言外之意进行语用学分析,以期让读者更好地理解这部文学作品,了解时代背景,在现实生活中保持和谐良好的人际关系。同时运用语用学理论解读文学作品,从更深层次品味文学作品的艺术魅力。

摘要： 端阳临仲夏,千舸竞渡;芒种思社稷,百姓同颂。顺应时代大潮,不惧时局逆流,个人与国家,个体与集体,尽皆以火热的干劲与冷静的思考,在红旗漫卷的中华龙舟上偕行共进。有道是“环球同此凉热”,我国经济社会平稳健康发展的前进道路上依旧面临诸多外部挑战:波谲云诡之变局给这个世界设下了更多未知变数,傲慢与偏见正加剧地缘冲突,火与剑的纷争也令本就百疫肆虐的地球更加疲敝。

摘要： 反讽和幽默的语言创作风格是英美文学的主要特点,是隐晦、委婉表达作者思想观点的重要表现手法。《傲慢与偏见》作为英国著名现实主义作家简·奥斯丁的代表作,是18世纪末、19世纪初英国乡村社会的缩影。文章探究小说的语言创作风格,分析叙事语言中的对话、独白与风格差异性,旨在深化对《傲慢与偏见》语言艺术和文学艺术的个性解读。

摘要： 《傲慢与偏见》是英国著名长篇小说,该小说风靡全球的原因不仅在于故事情节创新又独特,且语言创作风格极富英式文学语言特色,在语法艺术和伏笔铺垫上,都充分地体现出英式文学的幽默和反讽意味。这种特色的融入能够令读者在阅读过程中,在故事情节愉悦的基础上,获得层次更加丰富的阅读愉悦感。而这种有效将英式特色的语言风格与整体故事逻辑进行糅合的创作技巧,也可以被读者、作家们借鉴。

摘要： 不管有没有机会亲自去到法兰西一品当地“正宗”的鹅肝、松露、鱼子酱,浅酌一杯香槟以及葡萄酒,那些赞美诗般的菜名,洁白如雪的餐巾,以及万般星辰拱璧月的法式摆盘,总会在人脑中勾勒出一幅巴洛克风贵妇宫娥在烛火摇曳中就餐的图景。数个世纪以来,这些先入为主的印象,让法餐成了高雅、情调的代名词。浪漫的法国人为爱而痴,优雅的法国人因吃言爱。

摘要： 《傲慢与偏见》不同于西方传统意义讽刺文学,其通过夸张、比喻、反衬等艺术手法,从不同艺术讽刺视角,对整部作品进行多个层面的艺术表达。其中,对于人性特点的讽刺与刻画,使不同人物的性格更为生动,改变了西方传统讽刺文学较为俗套的艺术表达模式,为近现代讽刺文学艺术的发展奠定了坚实的基础。

摘要： 翻译美学并不是简单的翻译学和美学的概念叠加,而是一种具备审美意义的翻译研究与实践。文学翻译从本质角度而言就是一种创造性的审美选择活动,包括语言的选择、思想的选择、价值观念的选择等。翻译审美作为文学翻译的核心,需要从多个层面加以研究。以《傲慢与偏见》的汉译本为例,从翻译美学视角探讨其中的翻译审美环境、翻译审美本质、翻译审美原则、翻译审美方法等四个方面的选择。

摘要： 《傲慢与偏见》和《简·爱》这两部作品存在着文本互渗关系,属于同一文体、同一主题,不同作家、不同内容的前后延续,都是通过主题的“一元化”、任务中心化来展现叙事的完整性,文章试从人物形象、故事情节及社会空间三个角度对两部作品进行互文性解读。

摘要： 本发明公开了一种基于正则化的去社会偏见的语言模型及应用，包括以下步骤：(1)清洗PTB语料文本库后，筛选PTB语料文本库中会出现社会偏见的词语并标记；(2)搭建包括三层LSTM网络、全连接层、softmax层的语言模型；(3)利用PTB语料文本库训练语言模型，在训练时，以文本生成任务的损失Lossaccuracy和去社会偏见正则化项损失Lossfairness组成的总损失Loss为最终损失；(4)每训练一阶段，以语言模型输出的预测文本的社会偏见分数相对PTB语料文本的社会偏见分数的分布状态来评判语言模型的去社会偏见效果，当分布状态满意时，获得最终的语言模型。该语言模型提高了预测输出的公平性。

摘要： 一种基于偏见样本对生成的深度学习模型去偏方法，包括以下步骤：1)深度学习模型偏见的定义；2)数据预处理；3)定义偏见指标函数；4)：构建的深度学习模型包括第一特征提取器和第一分类器两部分，利用数据集对模型进行训练，使模型达到预设精度；5)对模型进行偏见程度检测：利用模型对测试集的输出和偏见指标函数F测试模型的偏见程度并记录；6)数据增强：利用偏见指标函数对偏见样本进行初步划分，通过模糊样本划分法排除假性偏见样本，通过FLIP方法完成数据增强的过程；7)利用FLIP样本对对有偏见的深度学习模型进行微调训练去偏，对训练后的模型进行检验，判断其偏见程度是否达到要求。本发明有效提升模型的公平性。

摘要： 本发明涉及一种基于多模态多去偏见的对话情感识别方法，属于自然语言处理技术领域。对于文本模态，本发明提出了去除五种类型的偏见，包括词向量表示中的性别、年龄、种族、宗教和性少数群体偏见。同时，本发明将文本去偏方法扩展到视觉模态，并着重去除两类最为典型的视觉偏见：性别和种族偏见。本发明进一步提出了一种基于子空间投影的去偏方法，该方法为每种类型的视觉偏见构建一个子空间，并通过将每个视觉信息对象的特征向量表示投影到相应的子空间来代表视觉表示中的所存在的该种类型的偏见，进而将其去除。相比传统多模态对话情感识别方法，本方法更加注重特殊群体的感受，减少了社会偏见。相比现有的大多去偏方法只去除一种偏见，本发明一次去除了五种，关注的特殊群体更多更广泛。

摘要： 本发明公开了一种软件自动修复评估偏见发现及验证方法，包括：步骤S1：收集相关文献；步骤S2：筛选文献；步骤S3：获取已发现的偏见：从步骤S2获取到的偏见研究文献中提取出已发现的偏见；步骤S4：构建树状分类：提出面向自动修复技术评估偏见的树状分类；步骤S5：映射现有偏见：将步骤S3获取到的偏见映射到步骤S4提出的树状中；步骤S6：发现新的偏见：基于步骤S5得到的树状分类偏见映射，发现新的偏见；步骤S7：实现评估软件平台；步骤S8：消除现有偏见：基于软件平台，对现有偏见进行消除；步骤S9：验证新的偏见：在对现有偏见进行消除后，在评估软件平台上对新的偏见进行验证。本发明具有原理简单、操作简便、验证准确性高等优点。

摘要： 本发明涉及一种基于物体偏见修正与有向注意力图的物体导航方法，包括以下步骤：S1、机器人实时获取当前时刻的原始图像；S2、提取视觉输入的全局图像特征I

摘要： 本发明公开了一种基于偏见神经元的数据去偏方法和装置，首先获取原始数据，并对所述原始数据中的类别属性进行标记，得到标记后的数据集，记作数据集X；再翻转数据集X中的敏感属性构成数据集X′，利用数据集X和数据集X′筛选深度学习模型中的偏见神经元；构建反向数据集；取k的反向数据集中的样本扩充至数据集X中合成增强数据集，随后将增强数据集输入至深度模型θ，并对深度模型θ进行训练，直到深度模型θ的分类精度大于80％，完成去偏。本发明通过利用深度学习模型中的偏见神经元反向生成训练样本，将原始样本数据集扩充增强，得到更加公平的数据集用于深度学习模型的训练，从而达到消除偏见的目的，并且提升深度学习模型决策的公平性。

摘要： 本发明公开了一种基于偏见的通用对抗补丁生成方法，同时公开了相应的通用对抗补丁生成装置。本发明基于模型的感知偏见理念，在难样本基础上生成各先验补丁；难样本为目标模型未有效识别的样本；基于模型的语义偏见理念，针对目标模型生成各类原型；根据各先验补丁和各类原型，通过目标模型，生成通用对抗补丁。本发明利用深度神经网络模型的感知偏见和语义偏见生成更具攻击力的通用对抗补丁，有效提高对抗样本的攻击性和通用性，框架结构简单，可随意插拔，并能提升其他类似的对抗补丁生成方法的效果，具有较高的应用价值。

摘要： 本发明涉及一种高通量无偏见的内源性液‑液相分离蛋白质筛选方法，属于生物大分子液‑液相分离领域。对细胞进行相分离诱导处理后裂解，将裂解液离心后的上清液添加至蔗糖浓度梯度最上层，蔗糖浓度梯度从上至下浓度逐渐增大；然后离心，分别收集不同蔗糖浓度梯度的条带，分别提取各条带中的蛋白质进行质谱分析，处理组相对于对照组表达水平有显著差异的蛋白即为筛选到的液‑液相分离蛋白。

摘要： 本发明公开一种社会偏见测量方法、系统和计算机介质，方法包括：S1：划分数据集为训练集、验证集和测试集；S2：使用BERT对训练集进行表征，获得训练集中输入问答句子的表征Ci；S3：构建两阶段提示的对比学习神经网络，利用步骤S2得到表征Ci进行训练，并输出代表社会偏见的标签信息，保存对比学习神经网络训练学习到的参数集；S4：使用验证集验证对比学习神经网络在训练集上学习到的参数集，保存在验证集上效果最好的参数集作为最终参数集，并利用测试集对最终参数集进行测试，得到训练好的对比学习神经网络；S5：利用训练好的对比学习神经网络进行社会偏见类别预测。本发明完成了开放域对话社会偏见的细粒度测量任务。

摘要： 本发明公开了一种面向深度学习模型偏见中毒攻击的防御方法，所述方法包括以下步骤：(1)获取原始样本数据集；(2)对原始样本数据集进行分块划分为子训练集，(3)使用基本分类器训练子训练集；(4)评估每个基本分类器的输入，并计算每个基本分类器分类正确的数量；(5)筛选出分类准确度最高的基本分类器，利用该分类器对深度学习模型再次进行训练，最终得到新训练的深度学习模型。上述方法通过使用散列函数对原始样本数据集中的数据个体样本进行映射，提升了深度学习模型防御偏见中毒攻击的能力。