语言模因论与大学英语“必修+分类选修”课程设置——以成都大学为例

为了突破地方新建大学的英语教学改革软硬件瓶颈,满足此类大学的学生英语综合应用能力需求,从语言模因论的视角,结合《大学英语课程教学要求》,提出适合当前地方新建大学大学英语改革客观需求的"必修+分类选修(限选与任选)"课程设置方案。     

绘画艺术对多媒体技术在外语课堂教学中有效运用的启示

主要针对多媒体技术辅助课堂教学运用的现状和存在的问题,讨论绘画艺术的三种主义流派：野兽主义流派、立体主义流派、后现代主义流派,对于多媒体辅助教学的启发以及解决问题的对策。     

对农村包围城市道路的多维认知

农村包围城市、武装夺取政权的道路,是中国革命走向胜利的必由之路。这一理论成为新民主主义革命的理论基石,其理论联系实际的典范性意义已为人熟知。但是应当认识到,这一理论的内涵是多维的,对其重要性的认识不能只拘泥于某一方面。基此文章提出,这一理论是民主革命时期历时最长的实践,是毛泽东思想的重要组成部分,是一种寓涵着三大内容的革命范式,同时也是一种变被动为主动的防御和进攻策略,是重农理念的深入体现。     

法律文本无主句英译探析

针对译界对法律文本英译汉的研究较多,但对汉译英这个领域的研究却相对薄弱的现状,探讨法律文本无主句的英译方法,并归纳出四种译法,即译成被动语态、补足主语、将非主语成分转化为主语成分和译成用it做形式主语.     

基于ASL的模型驱动架构测试方法

针对模型驱动架构（MDA）下的软件开发方法中测试启动比较晚、难以发现隐藏在模型中的缺陷及UML模型描述缺乏精确语义等问题,提出了基于ASL的模型测试方法：从UML模型出发,将动作规约语言（ASL）运用于平台无关模型（PIM）上建立测试模型。给出了ASL语句在MDA过程中的工作原理、平台无关模型的建立过程、测试用例建立的步骤、测试执行的实施过程,最后结合实例,在UML图的基础上运用ASL对测试环境进行构建,并创建了系统的测试用例,对模型及业务逻辑进行了测试。实验结果表明,提出的基于ASL的模型测试方法既能利用模型驱动对复杂的测试用例进行简化和抽象,又能在软件生存期早期揭示软件的缺陷,防止缺陷随着软件开发过程的进行而被放大。     

C语言编译密码方案的应用

随着计算机技术飞速发展,编程技术取得巨大进步,各种各样的程序为我们学习工作生活提供了很大方便,编程工具和语言类型也空前丰富。其中,C语言由于实现速度快,逻辑性强,在编程技术中占有重要地位,成为研究开发的重要工具,很多环境下非常便捷。本文从研究角度出发,以总结的方式,介绍在采用C语言编译密码方案并进行分析的过程,在应用中不断学习。     

预警监视信息系统数据集成体系框架研究

针对2种数据集成方法在辅助决策方面的优缺点,结合预警监视信息系统数据处理实时性的要求,提出了一种新的数据集成方法.根据实时数据仓库方法搭建了预警监视信息的数据集成体系框架,并用XML语言实现底层数据库到目标情报数据库之间的映射.     

新工科背景下的C语言程序设计模块化教学改革探讨

为了提高C语言程序设计课程中学生的实践动手能力和创新能力,根据教育部新工科建设的理念和要求,探索模块化教学在C语言程序设计理论教学、实践教学和考核管理中的应用。以学生为中心制定任务驱动的理论教学模块、层次化实践教学模块和综合考核管理模块,激发学生对C语言程序设计课程的学习兴趣以及提高学生的自主创新和实践能力,进而弥补传统教学的弊端,提高C语言课程的教学效果。     

基于动态注意力和多角度匹配的答案选择模型

针对当前主流神经网络在处理答案选择任务时无法同时满足句子的充分表示以及句子间信息充分交互的问题,提出了基于动态注意力和多角度匹配（DAMPM）的答案选择模型。首先,调用预训练语言模型的嵌入（ELMo）获得包含简单语义信息的词向量;接着,在注意力层采用过滤机制有效地去除句子中的噪声,从而更好地得到问句和答案句的句子表征;其次,在匹配层同时引入多种匹配策略来完成句子向量之间的信息交互;然后,利用双向长短期记忆（BiLSTM）网络对匹配层输出的句子向量进行拼接;最后,通过分类器来计算拼接向量的相似度大小,从而得到问句和答案句之间的语义关联。在文本检索会议问答（TRECQA）数据集上的实验结果表明,与基于比较聚合框架的基线模型中的动态滑动注意力网络（DCAN）方法相比,DAMPM在平均准确率均值（MAP）和平均倒数排名（MRR）两个性能指标上均提高了1.6个百分点。在维基百科问答（WikiQA）数据集上的实验结果表明,DAMPM相较DCAN在两个性能指标上分别提高了0.7个百分点和0.8个百分点。所提DAMPM相较于基线模型中的方法整体上有更好的性能表现。     

引入源端信息的机器译文自动评价方法研究

机器译文自动评价是机器翻译中的一个重要任务。针对目前译文自动评价中完全忽略源语言句子信息,仅利用人工参考译文度量翻译质量的不足,该文提出了引入源语言句子信息的机器译文自动评价方法: 从机器译文与其源语言句子组成的二元组中提取描述翻译质量的质量向量,并将其与基于语境词向量的译文自动评价方法利用深度神经网络进行融合。在WMT-19译文自动评价任务数据集上的实验结果表明,该文所提出的方法能有效增强机器译文自动评价与人工评价的相关性。深入的实验分析进一步揭示了源语言句子信息在译文自动评价中发挥着重要作用。