东道国语言选择对FDI流入影响的实证研究——兼议“一带一路”战略下的汉语国际传播

语言选择是影响东道国FDI(直接投资)流入的重要因素。系统分析了东道国语言选择对FDI流入的重要性和影响机理,并基于经济合作与发展组织的26个投资国对143个东道国的FDI流量数据,通过普通最小二乘(OLS)的方法,实证检验了东道国语言选择对FDI流入量的影响机理。结果表明,当东道国选择投资国的官方语言作为外语教育语言时,东道国将有可能获得更多的FDI流入量;反之,东道国获得的FDI流入量则相对较少。"一带一路"战略背景下,中国的OFDI(对外直接投资)流量将大幅增加,这将为汉语国际传播带来新机遇。

生态语言学视角下的汉语国际教育信息化——兼议第二语言教育技术的学科性

汉语国际教育信息化实践已全面铺开,汉语教学也已形成了新的信息化教学范式,现代信息技术已然成为推动汉语国际教育事业发展的重要组成部分,如何从生态语言学的理论视角出发打破汉语国际教育信息化的发展瓶颈,培养复合型的人才梯队,归根结底,要使汉语国际教育信息化完成学科蜕变,给第二语言教学中的现代信息技术一个合理定位。

“一带一路”背景下云南关键语言政策刍议

关键语言政策的制定与实施关系到关键语言人才的培养、国家语言能力的提升和国家核心利益的实现。"一带一路"建设亟需制定科学合理的关键语言政策。在探讨了关键语言的内涵与特征,总结了美国关键语言战略的经验,梳理了南亚东南亚国家语言状况的基础上,对云南的关键语言政策的制定提出了相应的对策与建议。

“一带一路”建设与关键语言人才培养

一带一路,人才铺路;实现"互联互通",关键在于"人通";落实"人通",根在教育。我们要在充分调研的基础上,做好"一带一路"语言人才培养规划,既要培养高级非英语语种复合型外语人才,又要培养高级本土汉语复合型人才;既要加强来华留学生教育改革,又要抓紧汉语国际传播;既要创新语言人才培养模式,又要注重语言人才培养质量;既要依托校企深度融合,又要充分发挥跨境语言优势,最终努力形成连贯的"一带一路"语言人才培养体系。

基于开放大学实践的南亚汉语传播的若干思考

"周边外交"在我国的外交战略中的重要性日益凸显的宏观形势,对汉语国际传播提出了新要求。孔院十年,在满足国家战略需求的过程中,也必然促进汉语国际传播进入新的发展期。云南开放大学充分发挥地缘优势,面向南亚进行了纳入当地国教育体系的汉语国际传播实践,彰显了开放大学进行汉语国际传播的诸多天然优势。要充分了解南亚区域情况,应关注如下几个方面的问题:传播策略的隐性化、传播口径的有用化、传播主体的当地化、传播格局的民间化以及传播触角的深入化,是未来汉语国际传播的努力方向。

基于自然标注信息和隐含主题模型的无监督文本特征抽取

术语和惯用短语可以体现文本特征。无监督的抽取特征词语对诸多自然语言处理工作起到支持作用。该文提出了"聚类-验证"过程,使用主题模型对文本中的字符进行聚类,并采用自然标注信息对提取出的字符串进行验证和过滤,从而实现了从未分词领域语料中无监督获得词语表的方法。通过优化和过滤,我们可以进一步获得了富含有术语信息和特征短语的高置信度特征词表。在对计算机科学等六类不同领域语料的实验中,该方法抽取的特征词表具有较好的文体区分度和领域区分度。

基于远距离监督和模式匹配的职衔履历属性抽取

针对从非结构化文本中抽取指定人物职衔履历属性问题,提出一种基于远距离监督和模式匹配的属性抽取方法。该方法从字符串模式和依存模式两个层面描述人物职衔履历特征,将问题分为两阶段。首先利用远距离监督知识和人工标注知识,挖掘具有高覆盖度的模式库,用于发现职衔履历属性和抽取候选集;其次利用职衔机构等属性间的文字接续关系,以及特定人物与候选属性的依存关系,设计候选集的过滤规则对候选项进行筛选,实现高准确度的属性抽取。实验结果显示,所提方法在CLP2014-PAE测试集上的F值达到55.37%,显著高于评测最好成绩(F值34.38%)和基于条件随机场(CRF)的有监督序列标注方法(F值43.79%),表明该方法能高覆盖度挖掘并抽取非结构化文档中的职衔履历属性。

试论“一带一路”背景下的云南关键语言选择

语言选择是一个国家语言政策中的首要问题。在"一带一路"的背景下,云南作为国家"一带一路"战略重要支点和面向南亚东南亚辐射中心,有必要研究和制定出对云南边疆安全、跨境贸易、高等教育等领域比较重要的关键语言政策。通过探讨关键语言的内涵与特征,梳理南亚东南亚国家语言状况的基础上,经过初步的统计分析,尝试提出了初步的云南关键语言列表,并对云南的关键语言政策的制定提出了相应的对策与建议。

基于知网义原词向量表示的无监督词义消歧方法

词义消歧一直是自然语言处理领域中的重要问题,该文将知网(HowNet)中表示词语语义的义原信息融入到语言模型的训练中。通过义原向量对词语进行向量化表示,实现了词语语义特征的自动学习,提高了特征学习效率。针对多义词的语义消歧,该文将多义词的上下文作为特征,形成特征向量,通过计算多义词词向量与特征向量之间相似度进行词语消歧。作为一种无监督的方法,该方法大大降低了词义消歧的计算和时间成本。在SENSEVAL-3的测试数据中准确率达到了37.7%,略高于相同测试集下其他无监督词义消歧方法的准确率。

一种基于三维空间信息的字形匹配方法

提出一种基于三维空间信息的字形匹配方法。首先将字形轮廓Bézier曲线的二维控制点集扩展至三维,然后为三维点集建立高斯混合模型,最后通过最小化高斯混合模型间的欧氏距离(L2)完成匹配。采用三维空间信息可以充分利用字形所蕴含的内在约束条件。采用高斯混合模型有利于在匹配过程中保持字形整体结构特征和局部书写特征。实验结果表明,该方法提升了汉字单笔画以及整字字形匹配的准确度和美观度,并且具有稳定性高、扩展性强的特点。