舌侧音/l/在“-ling”类单词中的发音时长特点研究

舌侧音/l/可以在同一个单词中兼作韵头和韵尾。针对英语学习者对此音的发音时长存在差异的现象,笔者选取以"-ling"结尾的若干单词,对非英语专业的大学生及美国外教对此类单词的发音通过Cool Edit录音软件进行了录音,用Praat软件获得此类单词的语图,并对两组所发的舌侧音时长进行了对比。结果表明,受试者对/l/的发音在时长和听觉效果上存在差异。研究进而探究导致这种差异的因素,并提出较接近英语本族语者的/l/发音的方式。

基于情感层次理论的单词记忆类APP设计研究

目的:本研究旨在优化用户在使用单词记忆类APP时的体验,帮助用户掌握有效的单词记忆方法,并提高学习效率。方法:文章运用案例分析法,通过详细分析和比较不同的单词记忆类APP,识别和总结有效设计原则和实践策略,深入探讨不同应用如何通过设计来影响用户的学习体验和记忆效果。结果:将情感层次理论应用于单词记忆类APP设计中,可以显著提升用户体验和学习成效。基于情感层次理论的3个层次——认知层次、情感层次和行为层次,文章总结出9个设计原则,旨在指导APP开发者创建更具吸引力和有效性的学习工具。文章结合“墨墨背单词”“百词斩”“扇贝单词”这些具体案例,基于情感层次理论构建了单词记忆类APP设计模型,强调记忆科学和用户体验设计的重要性。结论:文章将情感层次理论与单词记忆类APP设计相结合,拓展了该领域的理论体系,为未来的研究和实践提供了新的视角和思路。文章提出的设计原则和构建的模型可以帮助开发者创造更加个性化、互动性强且能够激发用户参与积极性的学习环境,从而提升用户的记忆效率和整体学习体验。

基于单词相似度的文本聚类

研究了现有的基于向量空间模型的文本聚类算法,发现这些算法都存在数据维度过高和忽略了单词之间语义关系的缺点。针对这些问题,提出一种基于单词相似度的文本聚类算法,该算法首先利用单词相似度对单词进行分类获得单词间的语义关系,然后利用产生的单词类作为向量空间的项表示文本降低了向量空间的维度,最后采用基于划分聚类方法对文本聚类。实验结果表明,相对于传统基于向量空间模型的聚类算法,该算法具有较好的聚类效果。

利用单词超团的二分图文本聚类算法

鉴于目前传统文本聚类方法中利用文档间的相似度进行聚类存在的问题,在传统的文本挖掘基础上提出了一种新的文本聚类算法——利用单词超团的二分图文本聚类算法。该算法用文档中单词的关联模式来评估文档间的相似度及主题类别预测,并利用图划分策略来大大降低文档相似度比较算法的复杂度,同时将超团作为特征结构的扩展,可以在一定范围内减少语言信息的丢失,提高聚类效果。经实验证明该算法具有较高的有效性。

基于单词超团的文本聚类方法

为优化文本聚类效果,提出一种基于单词超团理论的文本聚类方法。利用文档中单词的关联模式来评估文档间的相似度,将单词超团作为文档向量辅助信息,以图划分的方式进行聚类分析。对不同聚类方法的结果进行比较,证明基于单词超团的文本聚类方法能提高文本聚类的准确性。

基于句子级最大频繁单词集的Web文档聚类研究

Web文档聚类是Web挖掘的一个重要研究方向。现有的挖掘算法得到的频繁模式不仅维数高,而且不能很好反映文档表达的语义信息。为了得到更精确的聚类结果,本文提出一种基于句子级的最大频繁单词集挖掘方法来挖掘文档特征项。在此基础上,先初步聚类后依据类间距离和类内链接强度阈值合并或拆分类,最终实现文档聚类。在此过程中,使用可变精度粗糙集模型计算每个类的特征向量。实验结果表明,本文提出的算法优于传统的文档聚类算法。

基于高阶N-gram的单词聚类和规则获取算法研究

本文首先提出一种由低阶N－gram语言模型构造高阶N-gram语言模型的方法,并进而应用使用该方法构造成功的5-gram模型研究并实现了单词聚类和规则获取的算法。

基于单词簇的朴素贝叶斯文本分类器

文档的高维性导致朴素贝叶斯文本分类器的复杂度较高,进而影响到文本分类的效率和精度.针对这一问题,首先采用k-means算法对单词进行聚类,将得到的单词簇视为文本特征,再使用朴素贝叶斯分类器进行文本分类.实验表明:基于簇的分类方法在分类精度和效率上均优于基于单词的分类方法.

航海类专业学生英语单词重音学习情况的调查分析

针对目前航海类专业学生对英语单词重音的学习现状,采取调查表的形式,分析影响英语单词重音位置的因素,提出航海类专业学生掌握英语单词重音位置的有效途径。

浅谈工科类高职专业英语中单词的教学

本文通过分析工科类高职专业英语词汇的特点,提出了单词的学习和记忆方法,使高职学生尽快实 现普通英语与专业英语的过渡。

基于局部特征的图像分类方法

为了有效地组织、管理和浏览大规模的图像资源,提出了一种利用局部特征进行图像分类的方法。通过深入分析和比较常见的局部特征,选用合适的局部特征构建视觉单词库。这些视觉单词具有很好的平移、旋转、尺度不变性,并对噪声有一定的抵抗能力。借鉴文本分类领域的向量空间模型进行图像的表示,并设计出了相应的分类算法。标准图像库上的实验结果表明,该方法在图像分类中有效,有较高的实用价值。

基于数据挖掘的文本自动分类仿真研究

研究文本分类优化问题,文本是一种半结构化形式,特征数常高达几万,特征互相关联、冗余比较严重,影响分类的准确性。传统分类方法难以获得高正确率。为了提高文本自动分类正确率,提出了一种数据挖掘技术的文本自动分类方法。利用支持向量机对于特征相关性和稀疏性不敏感,能很好处理高维数问题的优点对单词对分类的贡献值进行计算,将对分类贡献相近单词合并成文本向量的一个特征项,采用支持向量机对特征项进行学习和分类。用文本分类库数据进行测试,结果表明,数据挖掘技术的分类方法,不仅加快了文本分类速度,同时提高文本分类准确率。

基于v-flow视觉单词的交通行为分析

为了在复杂交通场景分析中进行行为建模,传统的视觉单词通常只利用方向信息建立基础视觉单词,由于未对速度以及上下文状态进行特征提取,缺乏运动速度信息以及上下文信息,在行为分析过程中无法有效建模、鉴别运动目标运动轨迹细节信息相同但运动过程各异的行为。针对上述问题,提出了一种新时空视觉单词,该单词模型加入了较丰富的速度信息以及运动目标暂停上下文信息。实验结果表明,该视觉单词生成算法能有效提高交通行为分析性能。

协同视觉信息与标注信息图像聚类

针对如何有效地利用图像视觉信息与标注信息进行图像聚类的问题,提出了一种基于视觉单词与标注单词共生的聚类算法.在视觉特征空间,采用K-means算法对图像聚类,得到表征图像视觉信息的视觉单词,即聚类中心.在图像标注字空间,计算各聚类中心下标注单词的统计分布,建立视觉单词与标注单词共生矩阵,进而针对图像提取嵌入有视觉信息的标注词特征LDA(latent dirichlet allocation)主题模型作为最终聚类算法完成图像的聚类.通过对Pascal VOC 2007标注图像数据库进行的实验仿真以及对比试验结果表明,基于视觉单词与标注单词共生的聚类算法可以有效地利用图像的视觉信息与标注信息的互补特性,提高聚类算法的性能.

音韵类修辞手法漫谈

音韵类修辞手法（Phonetic Rhaetorical Devices）如下： 1．头韵（Alliteration） 头韵就是把相邻或相近的两个或两个以上具有相同起始音（元音或辅音）的单词连用，其目的在于增强语言的节奏感和音韵感。如：

心理词典的层级聚类记忆规律——神经思维科学研究Ⅰ

根据临床失语、心理实验 ,以及有关理论工作的研究 ,描述了心理词典的两种记忆规律 :层级与聚类 ,由此推测 ,心理词典可能是由不同级别的单词聚类模块逐级组成 ;

脱机手写维吾尔文本图像单词切分

针对脱机手写维吾尔文本行图像中单词切分问题,提出了FCM融合K-means的聚类算法。通过该算法得到单词内距离和单词间距离两种分类。以聚类结果为依据,对文字区域进行合并,得到切分点,再对切分点内的文字进行连通域标注,进行着色处理。以50幅不同的人书写的维吾尔脱机手写文本图像为实验对象,共有536行和4 002个单词,正确切分率达到80.68%。实验结果表明,该方法解决了手写维吾尔文在切分过程中,单词间距离不规律带来的切分困难的问题和一些单词间重叠的问题。同时实现了大篇幅手写文本图像的整体处理。

基于词相关性特征的多归属谱聚类突发事件检测

针对当前用于提取突发事件的方法存在精度低和效率低的问题,提出一种基于词相关性特征的突发事件检测方法,能从社会网络数据流中快速地检测出突发事件,以便相关的决策者可以及时有效地采取措施进行处理,使突发事件的负面影响被尽量降低,维护社会的安定。仿真结果表明,突发事件检测方法在实时博文数据流中具有很好的事件检测效果,与已有的方法相比,所提方法可以满足突发事件检测的需求,不仅能检测到子事件的详细信息,而且能准确地检测出事件的相关信息。

单词拼写的命题特点及解题方法

近两年单词拼写的命题特点1.单词拼写主要考查学生"识词、记词和用词"的能力,这类试题体现了词不离句的特点。

脱机手写维吾尔单词提取

针对维吾尔单词切分问题提出了FCM融合K-means的聚类算法,应用FCM聚类的结果将字符间距聚类两类,根据聚类结果再将字符间距分类为三类:单词内间距、单词间距离、第三类间距;将字符长度聚类为:单词、连体段、字母。首先对单词内距离进行处理,再针对不同的字符间距和不同的字符长度进行分步切分处理,最后对切分后的字符进行欠切分处理。以12幅不同的人书写的维吾尔脱机手写文本图像为实验对象,1 042个单词,正确切分率达到74.28%。该方法不仅仅提高了切分的正确率,并且可以同时解决部分重叠和粘连问题。