The Construction of General Principles about the Exemplification in the Electronic Learner's Dictionary

Dictionary has many functions, in which the function of definition is of very importance because the main purpose of dictionary is providing the entry's meaning information for the readers so that the readers can understand and use the entry-word and the realization of the purpose completely depends on lexicographical definition. However, the function of definition is limited, which need the exemplification to assist it. Therefore, the exemplification becomes very important, too. Good exemplification can assist definition, provide grammatical information, and supplement the information usage and so on. Many researches studied the exemplification of dictionary, its principles and so on. Dictionary changed much with the development of technology and many kinds of electronic dictionaries appeared. Few studies are involved with the new-type dictionary. Based on the general principles of the exemplification in a learner's printed dictionary, it is necessary to construct the general principles about the exemplification in the electronic learner's dictionary.

Understanding media and electronic dictionaries

As the first father and leading prophet of the electronic age,Marshall McLuhan's media theory can present us a completely new approach towards the understanding of electronic dictionaries.In this paper,the author attempts to explore the interrelationship between major concepts of Marshall McLuhan's media theory and electronic dictionaries.

融媒辞书的理论方法与实践演化

从20世纪80年代电子词典出现,到2019年中国辞书学会提出融媒辞书概念,辞书界认识到,辞书从“多媒体”到“融媒体”的演化,不只是“媒体”量的增加,而是涉及媒体与模态之间和模态与模态之间的融合机制等问题;媒体形式的融合应促进模态内容的融合,释义和注释内容的融合才是融媒辞书的核心。模态是被释义词的指称通过认知感官反映在人们大脑中的心理映像,意义在多模态语境中更易于理解。融媒辞书应根据语词释义的需要,把相关的媒介、媒体、模态融合为一体,使之共同参与语义的表征过程,成为重要的释义元素。本文意在厘清融媒辞书的核心内涵、融合要素、融合路径、模态元素和理论基础,将融媒辞书编纂的文本特征概括为:两极化、数据化、模态化、平台化、网络化;并结合实例,从融媒辞书的制作资源、知识文本和数字技术3个方面来考察现有数字词典的融媒特征如何实现及其状况。

“双新”背景下的信息技术课堂实践——聚焦日语课堂教学中电子辞典的应用

中学外语课堂对传统的课堂教学模式提出了新的挑战。因此,在“新教材新课程”(以下简称“双新”)的背景下,探索符合当今中学生日语学习需求的新课堂教学模式是必要的,同时也为日语教师提供改进日语教学的思路。

基于BERT和领域词典融合的中文电子病历命名实体识别

医疗数据挖掘的起始环节为CNER(中文电子病历命名实体识别),将相关实体(解剖部位、药品、影像检查等)识别出非结构化文本是其目标所在。基于CNER准确性提升需要,论文设计了BERT-BiLSTM-CRF模型融合领域词典技术,该技术能将上下文语义关系全面结合,一词多义问题同样可以迎刃而解,获取电子病历句子的长距离依赖。CNER采用BERT-BiLSTM-CRF模型融合领域词典技术时的F1值已经被实验结果所证实,对知识图谱的构建、临床决策支持系统和病历质控系统等的研究有着重要意义。

逆变器高频谐波扰动电子信号自动检测方法

研究逆变器高频谐波扰动电子信号自动检测方法。构建逆变器的电子信号采样函数,获取电子信号采样结果。利用改进后的阈值函数对电子信号进行小波去噪处理,通过混合字典对去噪后的信号进行稀疏分解,确定电子信号高频谐波扰动特征。利用BFGS校正拟牛顿算法优化BP神经网络的梯度和参数,将电子信号高频谐波扰动特征输入优化BP神经网络中,得到逆变器高频谐波扰动电子信号自动检测结果。实验结果表明,所提方法能精准获取逆变器电子信号,对高频谐波扰动电子信号的检测误差小,效果好。

基于预训练模型的中文电子病历实体识别

为提升传统中文电子病历实体识别预训练模型的语义特征提取能力并增强中文隐含特征表示,提出基于改进预训练语言模型的医疗命名实体识别方法。提出动态词长的逆向最大匹配算法对病历文本进行标注歧义处理,在此基础上构建用户自定义医疗实体字典辅助PKU分词,提高预训练模型掩码效果。输入向量层加入字向量,引入注意力机制学习字向量的全局语义特征。改进预训练模型mask策略和机制并去掉下一句预测,提升词向量语义表征能力。实验结果表明,该方法有效提高了医疗实体的识别效果,F1值达到90.57%。

词典互动对儿童电子图画书阅读的影响

电子图画书阅读是儿童使用数字媒体的重要内容。相比纸质图画书,互动是电子图画书最重要的特征,而词典互动则是电子图画书中最常见的互动特征之一。本文从阅读参与度、词汇习得和阅读理解三个方面,梳理和总结词典互动对儿童电子图画书阅读的影响。梳理已有研究可见:(1)在阅读参与度上,词典互动让电子图画书有着与纸质书相似的阅读效果,但未能表现出明显优势,未来研究可能需要进一步结合诸如眼动、生物反馈仪等手段对阅读参与度进行更加客观的评估;(2)在词汇习得上,有词典互动的电子图画书能够提供类似成人伴读纸质书时的词汇互动与指导效果。与无词典互动的电子图画书相比,词典互动能显著促进儿童的词汇习得。动态词典互动,尤其是在呈现目标词文本的动态词典互动中,儿童的词汇习得水平更高。词典互动能促进特殊需要儿童的词汇习得,但对不同社会经济地位和已有词汇能力的儿童,其效果仍有争议;(3)在阅读理解上,词典互动的作用仍不够明确,这可能与研究设计、阅读理解的测量方法不同有关。未来研究可从阅读内容的难度与类型、词典互动的方式与水平、儿童的个体差异等方面进一步探究词典互动的作用,并探讨词典互动影响儿童电子图画书阅读的认知加工机制。

基于Android平台电子词典的设计与实现

研究了在Android开发平台下电子词典软件的设计与实现过程,该系统是使用Android软件开发工具包和Eclipse集成开发环境进行开发的,实现了英语单词的翻译、学习、复习、测验、生词本、导入删除词库、背诵常用句子等功能,内置了相应的词库句库,也允许用户导入需要的词库进行学习。在词汇存储及检索方面,系统利用了Android集成的小型嵌入式数据库SQLite的开发接口。应用程序是基于Java语言开发完成的,并且已经在设备模拟器上测试通过。

综合型语言知识库的建设与利用

语言知识库的规模和质量决定了自然语言处理系统的成败。经过 18年的努力 ,北京大学计算语言学研究所已经积累了一系列颇具规模、质量上乘的语言数据资源 :现代汉语语法信息词典 ,大规模基本标注语料库 ,现代汉语语义词典 ,中文概念词典 ,不同单位对齐的双语语料库 ,多个专业领域的术语库 ,现代汉语短语结构规则库 ,中国古代诗词语料库等等。本项研究将把这些语言数据资源集成为一个综合型的语言知识库。集成不同的语言数据资源时 ,必须克服它们之间的“缝隙”。规划中的综合型语言知识库除了有统一的友好的使用界面和方便的应用程序接口外 ,还将提供支持知识挖掘的工具软件 ,促使现有的语言数据资源从初级产品形式向深加工产品形式不断发展 ;提供多种形式的知识传播和信息服务机制 ,让综合型语言知识库为语言信息处理研究、语言学本体研究和语言教学提供全方位的。

一种模拟电路功能模块故障诊断的方法

针对实际电路中以模块化的形式实现特定应用功能的模拟电路,按功能进行分类,从实用化的角度研究了其功能故障的诊断方法。以空间电子仪器测试系统中的综合信号处理电路为应用背景,研究了模拟电路模块划分原则和方法,提出了一种模块化功能故障检测方法,并构造了模拟电路第一级功能模块字典;基于测前迭代仿真的通用模拟电路故障诊断方法,通过改进提出了"6点5段式"模拟电路测前迭代仿真方法,并构造了功能模块电路的第二级故障字典,在功能模块故障检测的基础上实现了故障元件的定位和参数区间识别。最后,通过仿真实例验证了该诊断方法的有效性,为模拟电路故障字典法在空间电子仪器模拟电路中的故障诊断实用化奠定了基础。

一种简单、高效的电子词典组织策略

电子词典的应用领域越来越广,不仅可以作为系统的一部分,也可以独立形成产品。事实上。

英、拉、汉树木名称电子词典TreeName的研制

英、拉、汉树木名称电子词典第1版(TreeName1 0)具有树种的英文、拉丁文和中文名称的相互翻译查询功能。软件包含了1 5万余条英、拉、中树木名称词条,能够进行快速有效的检索查询,为工作提供极大的帮助。整个软件采用基于对话框模式的查询界面和基于文件系统的数据库作为整个查询系统的框架。本系统在设计中采用了比较灵活的功能模块设计,利于软件的更新。与印刷版的各种词典相比,电子词典系统具有无法比拟的优点,它能够及时进行修改、补充,使系统不断得到完善,及时根据用户的反馈信息进行改进,有利于软件质量的提高和功能的完善。

网络版班智达藏汉英电子词典的设计

近年来,随着计算机技术的发展,电子词典作为一种移动学习和翻译的数码工具,在国内外开始广泛地普及,其经济效益和社会效益也随之得到广大用户的关注。论文结合《班智达汉藏机器翻译系统》(国家863计划项目,编号为863-306-ZT04-05-2)的后续项目《班智达藏汉英电子词典》(国家自然科学基金,编号为69663001)的研发实践,论述了该电子词典在网络上的设计方案,重点讨论了电子词典的内容建设和结构描述以及网络中的开发模式和应用技术,最后对系统所选的平台进行了详细描述并给出了该电子词典的使用方法。

一种新颖的基于混合故障字典方法的模拟故障诊断策略

针对模拟电子电路的故障诊断和定位问题,提出了一种基于one-against-rest支持向量机分类器(SVC)的混合故障字典决策策略。首先,借助于欧式距离计算对待测样本进行粗略定位;其次,利用SVC构造基于符号分析的故障决策机制,并根据算法对样本进行准确定位。相对于常规的one-against-rest SVC方法而言,新方法简单且减少了冗余计算,因而测试时间显著减少,但诊断精度与常规one-against-rest SVC和one-against-one SVC等方法接近,甚至更优。仿真和物理实验均验证了方法的有效性。

电子词典研究现状与展望

在互联网时代,出版业迎来了数字革命。在此背景下,首当其冲的是词典和工具书。词典继"语料库革命"后迎来了"数字化革命"的时代。文章综述国内外电子词典研究,发现现有的电子词典研究主要涉及类型研究、特性研究、用户需求及使用研究、技术开发与实现研究和电子词典评价研究。在现有研究的基础上,文章对未来电子词典的研究方向和重点提出几点建议。

英蒙汉电子词典的研究与设计

介绍了英蒙汉电子词典的设计思想、实现方法步骤及相关的算法．采用树形结构表示词条。

中文电子字典数据库生成算法研究

中文电子字典中汉字的属性有很多,如果每个属性都手工识别、计算、生成到汉字数据库中,整个系统会变得十分低效并且容易出现错误。分析了中文电子字典中汉字的属性特征,设计并实现了汉字各要素的生成算法和录入方案,将生成的数据保存在汉字数据库中,从而解决了由于汉字的复杂性使得数据库内容生成困难的问题,节省了大量的手工操作,并且能够迅速定位到要检索的数据,系统测试结果表明,该算法效率良好。

机器翻译与语言研究

本文从机器翻译的一般模式谈起,讨论了服务于机器翻译的语言研究应该注意的问题,包括:应更加重视形式与意义之间对应关系的系统研究;应重视以机器为“标准”来扩大关注的语言现象的范围;应重视在形式化的知识表示框架下进行大规模的语言工程实践的研究工作。

整合BiLSTM-CRF网络和词典资源的中文电子病历实体识别

[目的/意义]通过整合BiLSTM-CRF神经网络和具有先验领域知识的词典资源,提高中文电子病历领域中的实体识别效果。[方法/过程]采用BiLSTM-CRF神经网络模型,以CCKS-2017测评任务提供的脱敏中文电子病历数据为实验数据集,结合Word2Vec和外部词典构造神经网络的词嵌入输入改进实体识别模型。[结果/结论]与传统的CRF和单纯的BiLSTM-CRF模型相比,引入先验知识的词典资源可以取得更好的实体识别效果,F1值达到最高的90.41%。深度学习模型BiLSTM-CRF能够显著提升传统CRF方法的实体识别效果,同时先验的词典知识能进一步增强神经网络的性能。