语言研究中的小数据统计范式及其人工智能变革——“语言智能学科”方法论构建(之一)

统计学被认为是20世纪最重要的发现之一。语言学与统计学的结合,创生了语言研究的一种新范式,堪称“语言统计范式”。本文对遍行于语言学数十年的语言统计研究进行梳理与阐释,将其解析为“语言小数据统计范式”,同时分析其面临的人工智能与大数据挑战,展望今后的智能统计范式变革。

论创新广告产业统计范式：问题与对策

传统广告市场统计中,以媒介广告收入为导向的"媒介收入"范式已经严重滞后于广告产业的发展实践,不能够准确反应广告产业的态势与趋势。全面转向"广告主花费"范式下的广告产业新统计体系将有助于从源头上把握由广告主广告花费所形成的广告市场总体交易规模,并避免了盲目追赶纷繁复杂且正处于高速变化中的广告新形态与新业态,这是当前最具可行性和科学性的广告市场统计范式。

语言智能统计范式前瞻——“语言智能学科”方法论构建(之二)

人类社会经历了从“无数据”到“小数据”再到“大数据”的演进。小数据催生了科学与语言研究中的“小数据统计范式”,大数据催生了科学研究中的“第四范式”并正在催生语言研究中的“智能统计范式”。文章提出,语言智能统计范式将是建立在未来大数据统计学原理基础之上、以数据挖掘和人工智能技术为核心支撑的语言研究新模式,它具有四大内涵:大数据对象内涵、数据挖掘工具内涵、大数据统计学内涵以及大数据研究思维内涵,与小数据统计范式关联互补。语言智能统计范式发展的快慢与普及程度,将取决于语言大数据“算料”和“算法”双重驱动力的大小。

内隐学习研究方法述评

内隐学习自提出以来就成为认知心理学研究的热点,近40年内隐学习领域的研究在本质上都基于几种经典的研究方法和实验逻辑。本文拟对这些代表性的内隐学习研究方法做系统的介绍和归纳。

计算语言学中语言知识生产范式的变迁

在计算语言学这门学科的发展过程中,语言知识的生产范式经历了四次大的变迁:基于规则的语言知识生产范式、基于统计的语言知识生产范式、基于深度学习与神经网络的语言知识生产范式、基于生成式人工智能的语言知识生产范式。本文详细地描述了这些语言知识生产范式的变迁过程。

全球核算体系SNA可持续发展面临的潜在挑战

SNA发展面临的挑战一般从SNA的核算对象出发,体现为核算内容的扩展和核算方法的改进。本文从新兴国家核算主体、全球公共品和经济统计范式转变等三个角度创新地讨论了SNA可持续发展面临的潜在挑战。我们从多维角度探索SNA可持续发展的挑战:(1)应密切关注新兴国家对SNA的执行过程;(2)加强高水平经济统计与国民核算方法论研究工作;(3)加强与社会的沟通,减少对测度和核算结果的绝对解读,注意改善SNA作为'全球公共品'的供求平衡;(4)重视'配第切割'思想的现实意义,特别重视测度和核算的动态'边界意识'。