不同起源大果沙棘人工林的生长和克隆繁殖特征

为了解苗木起源对种群特征的影响,对大果沙棘扦插苗、实生苗、根蘖苗人工林进行了比较分析。结果表明,不同起源人工林具有不同的生长潜力和克隆繁殖特征。其中,实生苗人工林生长快、根系发达、高度丛生;根蘖苗人工林树冠浓密、克隆器官发达、克隆繁殖能力强,扦插苗人工林生长较慢、根系不发达、克隆繁殖能力弱,适合于不同的造林目的。这些表型可塑性的机理,主要取决于各个构件的生物量积累和生物量分配特征。

沙棘的克隆生长及其生态经济意义

沙棘具有广泛的适应性、多种用途以及较强的克隆繁殖能力,在"三北"防护林体系建设中具有不可替代的作用。为了进一步认识沙棘属植物的重要性和特殊性,本文以近期研究成果为依据,论述了沙棘克隆生长及其在改善种群适应能力、维持群落稳定性以及提高防护效能等方面的生态学意义,同时总结归纳了沙棘产品开发研究方面取得的主要成就。

基于关联规则的翻译软件正确率小样本评估算法

针对传统翻译软件对英语语义翻译正确率小样本评估准确率低,导致英语翻译正确率评估性能变差的问题,提出基于关联规则的翻译软件正确率小样本评估算法。首先构建一个翻译软件正确率小样本评估约束模型;然后利用关联规则检索翻译软件的语义本体结构特征;通过无监督学习算法构建一个英语语义翻译的语义映射的关联度模型,通过此模型获取加权学习和自适应权重分析,利用英语语义翻译准确性评定决策确定正确率小样本评估准确性评定结果;最后构建一个基于对偶学习的半监督NMT模型对提出的算法进行实验分析。实验结果表明,提出的方法在迭代40次时即实现收敛,收敛速度较快。且对比于传统的人工评估算法,本算法的评估准确率保持在93.6%及以上,最高可达96.1%,明显高于传统的人工评估算法。由此可知,本算法可提升翻译软件中正确率小样本评估准确率,可实现英语语义准确评估,具备可靠性和有效性。

基于多译本平行语料库的英汉智能翻译系统设计

为了提高传统翻译系统翻译质量,提出一种基于多译本平行语料库的英汉智能翻译系统。为实现该系统,首先采用网络爬虫算法对英汉语料进行收集和预处理,搭建出多译本平行语料库;然后采用基于上下文向量的词对齐模型和基于余弦相似度计算方式的段落对齐模型作为系统模型,并构建出基于attention注意力机制-LSTM的翻译系统,最后与基于跨语言词向量和基于IBM模型1的词对齐模型进行对比实验。实验结果表明,三种模型中基于上下文向量的词对齐模型正确率高达90.24%,而其余两种模型正确率仅为62.71%和51.06%,可以证明基于多译本平行语料库的英汉智能翻译系统可以有效提升翻译的正确率,达到了预期的翻译效果,可以运用于英汉智能翻译的工作中。

基于虚拟技术和深度学习英语教学训练系统设计

针对传统英语教学训练系统对于英语语义理解准确率差,造成英语口语对话和教学训练效果不佳的问题,设计一个基于虚拟技术和深度学习的英语教学训练系统。在BERT方法和BiLSTM神经网络的基础上,构建一个基于角色信息的语义理解模型。此模型采用BERT方法对输入语句进行预处理后,提取语句中的嵌入词向量,再通过多层感知机计算参与编码的历史语句权重值。最后利用BiLSTM网络提取历史语句信息,并通过Softmax函数获取语句意图概率信息,由此实现基于意图识别的口语对话。最后将此模型应用到构建的英语口语训练的对话系统中,通过虚拟角色对话方式实现口语练习。实验结果表明,相较于传统的口语理解方法,本方法的意图识别率和槽值填充分别取值为75.35%和70.08%,均高于其他模型。且系统应用发现,通过虚拟技术可为学生提供虚拟人物进行对话和互动,提高了英语口语练习和对话,具有一定的有效性。