英语人群名词的语义特征与汉语人群量词的英译理据

考察英语人群名词的语义特征及其分类,讨论汉语人群量词的英译理据。汉语人群量词可以依据"计量多少、语义褒贬、状态动静、专名转借"等语义理据,分别选用"多量、少量、褒义、贬义、动态、静态、借用"等对应类别的表量名词来翻译。     

有界名词、无界名词和度量名词

从认知语言学的观点出发比较了4类名词语义语法的异同点,并尝试建立名词的4种语法的次类。这4种名词分别为有界名词、交界名词、无界名词和度量名词。通过考察发现4种名词在语义上表现为从三维的空间性到一维的量的过渡,这种语义的特点在语法上有相应的表现:有界名词用专用的量词计数但不能称量,交界名词计数称量的自由程度都很高,无界名词称量的自由度高于计数,度量名词既不能计数也不能称量。在计数和称量时4类名词对量词的搭配要求也有很大差异。     

量词形式对汉语名词所指“有界”、“无界”事物的影响——从事物的“有界”、“无界”判断,看汉、英语社会对事物的感知方式与文化类型差异

文章从广义的文化修辞学角度,探讨了现代汉语名词对＂有界＂事物的表达。针对汉语的个体名词有一部分的所指是＂同质＂事物的事实,认为汉语的个体名词所指事物的＂有界＂与＂无界＂性质不适合用＂同质＂与＂异质＂标准来区分,但可以靠个体量词对事物空间外形的＂定型＂特征来区分,并认为对现代汉语名词所指事物的＂有界＂与＂无界＂性质判断,更适合采取事物的外形是否＂定型＂的＂定形＂标准。这种＂定形＂标准能充分反映出汉语名词特有的形式标签＂量词＂所具有的表形特征与汉语名词特有的个体量词这一形式特征,——这些特征决定了汉语的名词是属于所指事物在汉语社会的认知中＂外形突显＂的事物类型;同时,这种＂定形＂标准与有可数与不可数名词之分的语言所适合采取的＂同质/异质＂这样的＂定性＂标准,具有语言类型学意义上的互补性。文章认为,汉语名词所表现出的在事物空间＂有界＂、＂无界＂方面偏向外形的认知特征,反映的其实是汉语社会对事物的概念思维判断上的＂具象性＂文化特征;这种来自语义范畴这个语言最底层也是最终决定性方面的反映,较之语言的其他层面诸如文字、词汇、句法结构等,更具有深层隐秘性与真实可靠性。     

英语名动转用浅谈

名词转化成动词这一现象一直是语言学家和学者研究的对象。本文主要探讨适于转化成动词的名词的类别属性、名生动词的语义变化、语体色彩及修辞作用等。     

论量词“抹”的搭配情况与语义选择

文章考察现代汉语量词"抹"的搭配情况,可与"抹"搭配的主要是名词和形容词。其中名词包括表景色的山水、云彩、光彩和表人体部位及与人体相关事物的具体名词和表情感类的抽象名词;形容词包括色彩词和非色彩的状态形容词。"抹"的这些语义选择,主要是由隐喻促动的,在隐喻的促动下,各个对象之间形成了环环相扣的语义联系。     

由汉语量词管窥汉民族形象思维方式

汉语量词不仅具有计数功能，还在描述事物对象和表达情感方面发挥着重要作用。通过对汉语经典语言用例中量词使用情况进行研究，可以发现量词的语义特色与汉民族的形象思维有着一定的联系。量词修辞格的运用是汉民族形象思维在文化表现上的成果，量词的模糊性、情感形象性、普遍性的特征与形象思维方式的粗略性、形象性、非逻辑性的特点是一致的。     

毛南语个体量词的语义语法特征分析

通过分析毛南语量词的语义、句法形式和功能,认为毛南语的名词对个体量词的选择有其分类标准和认知理据;毛南语的量词对句法的制约性较强;毛南语量词的产生和发展受其语言特点的制约,是自源的。     

余江话的"里"尾

余江话的“里”尾可加在名词、动词、形容词性成分或动词性结构后面构成名词,能起到区别事物、表示词性变化、指小、亲昵或纯粹作名词的标志等作用;在使用原则上名词“里”尾与普通话“子”尾同中有异;“里”尾名词所指事物范围广(可分为人名、人品、疾病、人体、服饰、家俱生活用品、房屋建筑、动物及其他等九类)。“里”尾亦可加在形容性成分后构成形式多样的形容词的生动形式,有表示词性变化、附加评价意义、扩大语法功能等作用。“里”尾还能通过特定的形式,与个体量词、集合量词、部分量词、容器量词、度量量词及自主量词等结合,表示相应的语法意义。     

类型系统λωX≤

为研究高阶子类型的范畴论语义模型,区分了带高阶子类型的类型系统中的各种上下文,并简化其中的受限全称量词类型引入规则,而提出了类型系统λωX≤,文章介绍该类型系统有关类别（Kind)算子（Operator),项（Term）的规则,及其与建立范畴论语义模型有关的结构性质。     

凉山彝语ABAB式形容词研究

凉山彝语中有一种特殊的ABAB式四音格形容词，以往的教科书和字词典都忽视不收，在日常生活中其使用频率较高。在语义表达上与现代汉语ABAB式形容词较为相似，但不完全相同。其产生有两种基本形式。在语音结构和语用上不同于描摹词，在句中充分状语和定语等句子成分。     

基于贝叶斯网络的分类器研究

研究了贝叶斯分类器家族中具有代表性的分类器，即朴素(naIve)贝叶斯分类器、贝叶斯网络分类器和TAN(tree augmented Bayesian)分类器；发现属性变量之间的依赖相对于属性变量与类变量之间的依赖是可以忽略的，因此在所有树形分类器中TAN分类器是最优的．     

浅论大小凉山彝族宗法性的婚姻形态

大小凉山彝族宗法性婚姻形态,是整个彝族法制度的重要组成部分,它同时也是我国南方少数民族宗性法性婚姻的典型代表之一。建国前、大小凉山彝族的宗法性婚姻形态主要包括聘娶婚、姑舅表优先婚、转房、赘婿及重婚五种形式,从其婚姻缔结原则和内容上看,都充分体现了夫权、父权与族权的重要影响作用。     

凉山彝区彝汉教师主观幸福感对比调查研究

本文采用总体幸福感量表与工作满意度量表相匹配抽样调查,探讨凉山彝区彝、汉教师主观幸福感现状,为有效了解该地区教师心理现状与生活质量提供参考。结果表明凉山彝区教师主观幸福感总体水平偏低,但彝族教师高于汉族教师;该地区教师工作满意度中等偏上,且与主观幸福感显著相关。说明凉山彝区彝、汉教师间主观幸福感具有显著差异,研究发现传统文化信仰、民族归属感、工作成就感等是这种差异产生的主要因素。     

少数民族大学生中开展预防艾滋病健康教育模式探索

凉山是中国艾滋病流行的重灾区。艾滋病已经成为影响凉山稳定和社会发展的主要公共卫生问题之一,其迅速蔓延的势头还未得到有效遏制,对凉山的彝族大学生进行相关的预防艾滋病健康教育培训,进一步提高彝族大学生"预防艾滋病"的能力,培养出一批合格的"预防艾滋病"健康教育的以彝族学生为主的宣传队伍,在凉山建立起高等院校"预防艾滋病"健康教育的长效机制,积极推动四川省民族地区高等院校"预防艾滋病"健康教育工作的发展,同时建立"彝族学生-彝族家庭-彝族村寨村民"艾滋病预防教育链是非常必要的。     

凉山彝族传统社会"白彝"的社会地位与法律地位

白彝是凉山彝族传统社会中一个特殊的群体,由于其具有的彝族血统及其被统治的地位,使得其在奴隶阶层中呈现不同的等级及与等级相对的法律地位。以凉山彝族奴隶社会为背景,对白彝的产生、白彝的社会地位及法律地位进行了探讨,从而了解白彝当时社会处境的形成。     

小凉山子差拉彝族丧葬文化内涵

凉山彝族的丧葬习俗在经过先辈们不断演变后一直延续下来,逐渐形成了如今独特而丰富的丧葬文化。小凉山子差拉彝族是凉山彝族的重要分支,当地丧葬习俗复杂,文化内涵丰富,在传承了凉山彝族丧葬习俗文化的同时也根据自身特殊的人文、历史、地理,发展出了具有当地特色的丧葬习俗文化。     

凉山彝族自治州传统体育发展初探

凉山彝族自治州作为我国最大的彝族聚居地,有着丰富的民族体育资源,如何利用好民族体育资源,发挥其作用,更好的为经济发展服务,是我们有待思考的问题。     

信度网分类器

分类问题是人工智能中机器学习研究的一个重要问题,它在模式识别、故障诊断以及数据挖掘等领域有着广泛的应用。利用信度网可以构造出分类性能更好的分类器。文章着重探讨了Naive Bayes分类器,增强的Naive Bayes分类器和通用信度网分类器的构造方法,并分析比较了这三类分类器的优缺点。     

基于模糊概念相似性与模糊熵度量的模糊分类算法

在AFS(axiomatic fuzzy set)理论框架下,提出了一种基于模糊概念相似性与模糊熵度量的分类算法.模糊分类规则的前件通过概念聚合得到,一种基于模糊概念相似性与模糊熵度量的概念选择函数指导聚合过程;然后,利用剪枝算法对得到的模糊规则集进行剪枝,得到最终的分类规则集.用8组来自UCI数据库的数据集作为实验数据对算法进行验证,并与7种经典分类方法进行比较.实验结果表明该算法能得到较高的分类精度,分类结果明显优于参照的分类方法.     

一种基于协同训练半监督的分类算法

为提高少量样本情况下分类器的性能,提出一种基于多分类器协同的半监督样本选择方法,利用未标注样本实现样本增强,提高分类器泛化能力.依靠多分类器的互相监督和多分类器标签一致的原理,将已标记样本作为训练集,利用SVM和RF两个分类器协同训练,多分类器的类别标签和确定度值作为约束条件,从未标记样本集中筛选出最有代表性的样本构成增强样本集,以准确率为评价标准,验证本算法对分类器泛化性能的影响.本算法在手写数字数据集(Mnist字符库)和Landsat土壤数据集上测试,实验结果表明相比少量原始训练样本构建的分类器,增强样本构建分类器预测的全部类别准确率都得到提升.两个数据集的总体准确率分别提升5.97%和7.02%,Mnist数据集中数字5这类准确率提升最高(提升11.9%,从79.3%到91.2%),Landsat土壤数据集中土壤3这一类准确率提升最明显(提升15.8%,从73.5%到89.3%),结果证明了该算法显著提高了分类器的泛化性能.同时与经典的KNN、Co-training和Co-forest算法对比,所提出的算法能够最大限度地利用未标记样本信息,具有最好的精度表现,证明了该研究提出算法的优越性.