隐喻式否定构式的语义生成机制研究

借助对立统一思维,基于概念隐喻和动态范畴论,本文提出了“概念隐喻—动态范畴模型”(CMDCM),并将之作为隐喻式否定构式的语义生成机制。研究发现:在前槽和后槽之间存在一个上位范畴,其抽象图式义是前后槽共现于该构式的依据,也是二者对比语义数量的标准;对立统一思维使前后槽临时形成反义关系,亦体现出一定语义数量,说话人通过确定并标注该语义数量,在前后槽之间建立语义梯级;整个构式包含两次隐喻过程,概念投射经由前槽发出,继而被具有优先投射权的后槽阻滞,故新喻具有遮蔽旧喻的功能。

基于分类分级的数据安全防控策略研究

【目的】大数据时代的数据量呈指数型增长,需要通过分类分级对数据进行管理。【方法】本文通过对数据进行分类分级,结合相关法律或标准,提出数据安全的两个要素:受侵害客体与受侵害程度,得到数据的安全级别,并设计了大数据安全防控模型。【结果】基于数据安全防控模型,实现基于分类分级的静态授权、对数据安全级别的动态控制、基于数据安全级别的动态授权与数据脱敏。【结论】数据的分类分级应当以法律、行业标准为依据,实施静态的分类分级工作,在此基础上采取动态定级、实时调控措施,才能保障数据安全可控。

MLP在雷达定量降水估测中的应用

通过临近时次、临近空间降水回波性质相似假设,以人工智能技术结合快速动态分级法(Fast Dynamic Categorical method,FDC)为核心,设计广西区域分钟级雷达定量降水估测产品模型。在单部雷达估测降水时,分两层三次使用感知器寻求合理的降水类型分类Z-I关系,首先将FDC看为一种多分类算法,根据单站雷达各级回波的降水估测结果误差将回波区内的站点分为强站点和弱站点两类,然后分别对这两类站点再次使用FDC建立新的强、弱两类Z-I关系。在多部雷达组网联合估测定量降水时,将各雷达估测值等权重看待,将单部雷达估测作为一个分支,通过连结方式构建一个多层感知器(Multilayer Perceptron,MLP)。无站点回波区采用K近邻算法(K-Nearest Neighbor,KNN)选择合适的MLP求得的Z-I关系估算降水量。对2019年3—10月试验产品进行检验分析,结果表明以区域站组成的训练组小时降水相关系数达0.9737,以国家级气象台站组成的测试组相关系数达0.8256。

日语流行语语法动态范畴化的认知语用解读

在梳理动态范畴化理论研究的基础上,提出言语交际中日语语法动态范畴化理解的认知语用分析方式,即基于语言产生与理解视角,将语法、语义、语用和认知相融合,以流行语为例,运用关联理论探究日语语法动态范畴化的演变过程及理解过程中所涉及的认知语用因素。研究发现:日语流行语语法动态范畴化是认知语用推理的前提条件,关联理论为其理解和交际提供了理论支撑,而它的演变是由词类非范畴化的作用、语义演变与语用充实的双向互动构成的,其解读机制是由交际双方以寻求最佳关联为前提,通过感知、记忆提取和语用推理等机制在认知语境下推导而来,进而获得动态范畴化词语理解的认知效果。

基于大数据的全球汽车船运力分布及需求分析

为准确掌握全球汽车船的运力分布情况,提出一种基于AIS数据的汽车船航线分割方法。采用动态规划算法将汽车船航线分割为贸易区航线、国家航线和港口航线等3个层级,并用靠泊航次数量衡量汽车船的运力。通过分析2020—2022年的AIS数据,发现近几年汽车船的靠泊数量在日本区域最多,由此以日本为研究对象分析其汽车船运力需求。利用AIS数据计算日本境内汽车运输量的分布,并采用克里金插值法对其进行量化分析。结果表明,日本中部地区的汽车船运力需求明显高于南北部地区,且日本汽车的生产地大多靠近出口港,该结论符合业务逻辑。

基于KNN算法的文本自动分类方法研究——以学术期刊栏目自动归类为例

本文将期刊目录中按照主题设置的有关栏目(常设主题栏目)看作不同的类别,应用改进的KNN算法对属于不同类别(栏目)的期刊论文进行自动归类(归栏)处理。在分析期刊常设主题栏目特征的基础之上,从建立自动分类所需的训练文本集、测试集及分类(归栏)效果评价等多个方面加以定义,利用Jensen-shannon散度计算文本间的相似度,按照栏目动态决定k值等方面对KNN算法的基本原理加以改进。该方法以论文标题、摘要和作者关键词构成的短小文本为分类对象,对期刊常设主题栏目的自动归类(归栏)处理取得77.25%的F测度值,可以针对短小文本以及训练文本数量有限的情况下开展有效的文本自动分类处理。

隐蔽油气藏成藏机理研究现状及展望

隐蔽油气藏可以按其判别难度、隐蔽方式、油气富集动力学机制等进行分类。按动力学成因可基本分为五类:浮力顺优势通道输导油气聚集成藏、毛细管力引入油气聚集成藏、深盆气体体积膨胀推排油气聚集成藏、分子吸附油气聚集成藏、分子结合力聚集甲烷水合物气藏。受盆地类型、构造背景、沉积环境等因素的影响,不同地区、不同类型的隐蔽油气藏成藏主控因素不同。论述了国内外对隐蔽油气藏的分类、成藏主控因素、成藏动力系统和成藏模式等研究的进展,提出了进一步开展我国隐蔽油气藏成因机理和富集规律等研究的方向。

基于动态分类的隐喻识别方法

隐喻计算是自然语言处理领域中的重要问题.尝试以差异性计算为基础,结合语言、心理和认知的角度对英语隐喻识别进行深入分析和探索.对人类而言,隐喻识别是一个动态分类的过程,动态分类是从多个角度来度量事物之间的差异性.研究了如何模仿人类来获取概念的特征、选择分类角度、在特定分类角度下计算差异性,并进行了英语名词性隐喻识别的实验.该方法对隐喻/常规表达识别的准确率达到85.4%,实验结果表明,该方法是有效的.

动态对等理论视角下的网络流行语英译

随着科技的迅猛发展,网络已经成为人们生活中必不可少的工具。从网络中衍生出的流行语以独特新颖的特点影响着人们的语言,渗透到人们的生活。从动态对等理论的视角,采取直译、音译、意译和创新译法的手段来探讨网络流行语的英译,使网络流行语英译真正凸显其意义和文化内涵。

动态的模糊K-Modes初始化算法

模糊K-Modes聚类算法针对分类属性的数据进行聚类,使用爬山法来寻找最优解,因此该算法对初始值较为敏感。为了克服该缺点,提出一种动态的模糊K-Modes初始化算法,该方法能够自动确定聚类数目,以及对应的聚类中心;而且能够应用于数值属性和分类属性相混合的数据集。该初始化算法可以有效地克服模糊K-Modes算法对初值的敏感性。实验的结果表明了该初始化算法的可行性和有效性。

文本自动分类中的动态类别扩展研究

提出基于粗糙集理论的动态类别扩展算法,可以根据新文献与已有训练规则的匹配程度,有效地进行新类别的自动扩展和新分类规则的自动生成,从而屏蔽训练集和分类规则的更新等问题。

适于Internet新闻文本实时分类的动态向量空间模型DVSM

传统向量空问模型(VSM)特征间无关联,且不能动态增量训练,不适合主题和焦点实时变化的Internet新闻信息,为此提出了一种改进的文本实时分类模型——动态向量空间模型(DVSM)。通过对VSM的特征提取策略进行改进,提出了特征聚合和增量训练算法。通过将对分类有相同贡献的文本特征词聚合,使用它们共同的分类贡献向量特征模式作为文本特征向量的基本维;采用增量动态训练改变对分类贡献已改变的特征词在文本向量的特征模式中的位置,适应Internet新闻信息的实时特性。使用静态训练集和动态训练集进行的DVSM与传统VSM的对比实验表明,采用特征聚合和动态训练的DVSM在Internet新闻实时分类中优势效果明显优越。

基于卷积神经网络的文本分类算法

为了解决分类算法在文本分类时出现特征维度过高和数据稀疏的间题,提出了一种基于卷积神经网络(convolutional neural network,CNN)的文本分类算法,该算法结合卷积神经网络论中的邻接矩阵对文本分类进行动态建模。对文本的词向量进行训练,并且通过分类邻接矩阵得到群的结构和个数分类。在提取出文本抽象特征的基础上用CNN分类器来进行分类。仿真分析表明:该算法在在进行文本分类效果显著。

词义动态范畴化的工作机制

范畴在本质上具有动态性,“动态范畴化”理论强调从动态角度对词义范畴进行历时或即时研究。词义的动态范畴化可以在语言的不同维度上得以体现。那么,词义动态范畴化的工作机制是什么呢?本文认为,隐喻、转喻与基体/侧显是词义动态范畴化的有效工作机制,并将隐喻细化为概念隐喻、范畴隐喻及语法隐喻,将转喻细化为概念转喻和语法转喻。隐喻、转喻与基体/侧显这三大机制在词语意义层、句子意义层、语篇意义层上,对词义的动态范畴化发挥着不同的作用。

从奈达的“动态对等”理论浅谈汉语网络流行词语的英译

网络流行词语是大众在网络日常交际中使用的通俗用语,即网友们约定俗成的表达方式。它有两大特征:一是时效性,而是变化性。网络流行词语的翻译成为时下的网络热潮。为了更好地传播中国的网络文化,展现汉语文化的魅力,必须寻求最为有效且等值的翻译效果。

情态动词的语用分析

英语情态语法范畴进入了动词语法范畴的总体系。情态动词的情态意义是相互交错，自成体系．与其他动词相比，情态动词主要满足语用和语义的需要；其他动词满足语法的需要。所以，分相论述，探讨情态动词所凝结的语用特征是十分必要的．

指代消解的主要方法及其机制

指代消解是人工智能研究领域的重点和难点内容之一,因而产生了各种各样的指代消解的方法。从逻辑学的角度介绍了十四种指代消解的方法,通过研究和对比发现,指代消解的机制包括:中介机制、动态约束机制、加标机制、复合机制、范畴机制。围绕这五种机制重点研究话语表现理论、动态谓词逻辑、动态蒙太格语法、增量动态逻辑、范畴类型逻辑。

基于原型范畴理论的大学英语词汇教学研究

范畴化是一种抽象的认知活动,是概念和语义形成的出发点。它基于身体体验,随着认识的发展和特殊的需要不断形成新范畴,扩展老范畴。因此,对于范畴的界定应该是动态的。在英语词汇学习中,可以通过形成词汇链、建立多义词语义网络和积累下义层次词这些静态手段,培养学生的范畴化能力。学生还可以根据自己的学习任务,通过各种手段自主地进行范畴化,使符合任务要求的词汇进入到一个临时建构的范畴中。通过词汇的范畴化和重新范畴化过程,充分发挥学生的能动性,提高学生的学习效率和英语综合能力。

语用视阈下的网络流行语传播过程研究

随着信息网络技术的发达,网络流行语已经遍及网络社交平台甚至蔓延至现实言语交际。本文尝试从语用视角解析和探讨网络流行语的传播路径,指出流行语传播过程就是各个言语社群的参与者对具体交际语境的动态顺应过程,是交际者对彼此语用身份协商认同的过程,从而构建了言者与自然属性不一样的多元语用身份。

动态自适应调整信息素蚁群算法在传动齿轮磨损归类中的应用

目前在处理传动齿轮磨损归类方面还存在很多问题,寻找到一种基于实验数据对传动齿轮较为准确的归类方法是普遍存在的难题。本文将动态自适应技术和模式识别中近邻函数准则融入基本蚁群算法形成一种动态自适应调整信息素的蚁群算法,应用于传动齿轮磨损归类中。实验结果表明,效果是良好的。应用这种算法处理传动齿轮磨损归类,具有很高的实用价值,对于传动齿轮磨损的早期检测有较高的指导意义。