创生出文本的活力

在阅读教学中，教师要引导学生敞开心扉，放飞思想，把文本视作“活的生命体”，“倾听”文本的声音，“触摸”文本的情感。通过改换文体、挖掘课题等方式激活凝固的文字，创生出文本的生命活力，折射出文本的无穷魅力。     

儒家经学研究对汉语文学文本形态的影响

经学研究是影响汉语文学文本形态的重要因素之一。汉大赋的写作,建立在经学知识的基础之上;唐代古文家的古文写作,受到当时以《春秋学》为代表的经学研究的深刻影响。后世儒家学者《诗经》研究对汉语诗歌的发展的影响,远比《诗经》文本本身更大,文人诗歌中爱情诗的缺失,与经学家将《诗经》中大量爱情诗故意进行曲解,掩盖有关;古体诗、格律诗、词、曲等文体的价值,则是根据它们与《诗经》相似相近的程度进行判断的。宋代理学家喜谈性理、以白话说经的传统,与说理诗的大量出现以及白话小说的兴起之间,存在相互呼应的关系。经学研究对汉语文学文本形态发生的最直接的影响,是新文体的发明,＂传体＂这一在后世十分重要与活跃的文体,与＂经传＂有直接的渊源关系。     

汉语文学的文体意识及文体互渗

对于把文章统绪问题看得高于一切的中国古代作家而言,"文各有体",是进行文学创作时需要遵循的一条最为基本的原则,这与汉语书面表达对语言形式的特别关注有直接关系。然而,"文各有体"只是汉语文学文本形态的一个方面,与之形成对比的,则是文体之间的互相渗透,其形式包括作为核心文本的诗与文之间的平行互渗,核心文体与边缘文体之间的互渗与影响,以及新文体对旧文体形式的吸纳与包容。     

旅游文本汉译英中“失当信息”处理

旅游文本翻译的预期功能是传递信息和吸引游客。由于语言文化的“异质”，中英旅游文本在表达方式上有很大的不同。从英语的视角分析，汉语旅游文本在语言表达上存在失当信息即信息夸大、信息误导、信息冗余。着重从这三方面进行例析。     

改进的SVM在语音识别文本分类中的应用

利用改进的SVM分类算法处理汉语语音识别结果文本的分类问题,针对语音识别文本的特点简化了文本分类的预处理过程,调整支持向量机的分类超平面,并且自动优化参数,结合实际的识别结果文本集测试了改进的SVM性能,同时实现了KNN和贝叶斯分类算法,对3种分类性能进行了评价.     

生态翻译学视角下“双招双引”外宣文本的翻译研究——以首届“外国专家枣庄行”活动翻译为例

“双招双引”是指招商引资、招才引智。重大项目的招商与建设,天下英才包括外国人才的引入,对于枣庄市新一轮高质量的发展来说意义重大。本研究以首届“外国专家枣庄行”活动的翻译为切入点,结合大量真实语料,分析了枣庄市“双招双引”外宣文本(主要包括城市推介文本、枣庄市企业外宣文本以及“双招双引”各项优惠政策文本)的文体特点;进而在生态翻译学理论的指导下,结合“双招双引”外宣文本的翻译生态环境,进行“语言维”“文化维”“交际维”的“三维”转换,提高外宣文本的英译质量,更好地服务于枣庄市招商引资和招才引智以及实现“工业强市,产业兴市”的大局。     

SVM及其在文本分类中的应用

文本分类是指按照预先定义的主题类别，为文档集合中的每个文档确定一个类别，文本分类是文本挖掘的一个重要内容。本文分别介绍了文本分类技术和支持向量机的概念，并阐述了支持向量机（SVM）在文本分类中的应用及其发展趋势。     

中文文本特征选择中的分词方法研究

针对汉语自动分词后词条的特征信息缺失的问题,本文提出把整个分词过程分解为三个子过程,以词串为分词单位对文本进行分词：首先,采用逆向最大匹配法对文本进行切分;第二,对切分结果进行停用词消除;第三,计算第一次分词得到的词条互信息和相邻共现频次,根据计算结果判定相应的词条组合成词串。实验结果表明,词条组合后的词串的特征信息更丰富,改善了文本特征选择的效果,提高了文本分类性能。     

Boosting算法在文本自动分类中的应用

随着网络信息的迅猛发展，如何快捷、准确地识别和获取有用信息显得更为重要。文本自动分类系统是信息处理的重要研究方向，它是指在给定的分类体系下，根据文本的内容自动判别文本类别的过程。Boosting算法是一种新兴的机器学习算法。在文本分类中应用Boosting算法经过试验证明是有效的，并且优于目前的大多数分类算法。     

基于词条组合的中文文本分词方法

针对汉语自动分词后词条的特征信息缺失的问题,提出以词串为分词单位的中文文本分词方法,将整个分词过程分解为三个子过程:首先,采用逆向最大匹配法对文本进行切分;第二,对切分结果进行停用词消除;第三,计算第一次分词得到的词条互信息和相邻共现频次,根据计算结果判定相应的词条组合成词串。实验结果表明,词条组合后的词串的语义信息更丰富,有助于文本特征选择效果的改善和文本分类性能的提高。     

基于BERT的长文本分类方法

由于预训练模型输入分词数量限制，基于BERT的长文本分类任务效果与长文本分割后的文本段集合的处理及特征融合密切相关，现有的长文本分类研究在融合文本段特征时更关注文本段之间原始的顺序关系，而本文提出了一种基于BERT和集合神经网络的长文本分类模型.该方法以BERT为基础，可处理从同一文本样本分割得到的任意数量文本段，经过BERT后得到文本段特征，再将所有文本段特征输入到具有置换不变性的集合神经网络层中，提取出集合级别特征来优化长文本的特征表达.通过在三个数据上的实验分析，论文在平均分词长度较长的数据集上取得了90.82%的准确率，高出目前最优方法4.37%.     

基于语料库的旅游文本语言特征及语篇分析

目前,旅游文本的研究多从跨文化、文本类型、目的论等角度入手,缺乏深入细致全面的分析。基于类比语料库的研究表明,源语文本注重呼唤功能,用词平易、丰富,通俗易懂;翻译文本依然存留汉语文本的某些特征,表现为数量表达使用过于频繁,常用隐性衔接,有时过度突现目的语英语的特征,如冠词、关系代词使用偏多等。因此,在汉语旅游文本英译时需要强化呼唤功能,加强语篇衔接,同时要注意语言运用质量,以实现旅游推介的目的。     

计算机文本信息挖掘技术在网络安全中的应用

针对网络文本信息的安全性判别问题,采取改进的邻近分类算法挖掘文本.该改进邻近分类方法在传统方法定义分类特征的同时,起用共线性判别矩阵,对具有共线属性的特征合并处理.这种改进策略,不仅可以增加分类特征的准确性,也可以加快文本信息的分类进程.对Spambase语料库开展实验研究,从精度、召回率、联判度、误差4个维度对分类效果进行评价.结果显示:改进的邻近分类方法具有明显的优势,可以更加准确地区分安全文本和危险文本.     

不同情境下中文文本分类模型的表现及选择

针对中文文本分类任务中N-Gram,素贝叶斯、K最近邻和TF-IDF等经典而广泛使用的文本分类模型的选择困惑问题,基于万余篇中文新闻文本语料数据,设计了一系列的对比实验,考察了各模型在不同参数、不同训练数据规模、不同训练文本长度、类别是否偏斜等多种情境下分类性能的表现,总结了各模型的特性,为中文文本分类模型的选择和应用提供了实践依据和参考.     

基于汉语多类文本分类的机关公文智能办理系统

为了提高党政机关公文办理的自动化、科学化程度,尝试将业已成熟的汉语多类文本分类技术应用于机关公文办理系统中,并加入专家评估和反馈模块,使该系统具备"渐进式学习"的能力,将公文办理的经验积累在数据库中,不断提高输出结果的准确度.经过实验证实了文本分类技术在党政机关公文办理中的应用价值.     

三种文本分类算法的比较

介绍了一种基于贝叶斯定理的文本分类模型“树桩网络（stump network）”。将该方法与朴素贝叶斯文本分类器和TAN（tree augmented naive bayes）文本分类器进行实验比较。结果表明,在大多数数据集上该文本分类方法具有较好的分类正确率。     

文本功能对翻译策略的主导——以旅游文本英译为例

纽马克的文本功能理论,将文本类型分成“表达型文本”、“信息型文本”和“呼唤型文本”三大类,并针对其交际功能提出“语义翻译”和“交际翻译”两种翻译方法.通过纽马克的文本功能理论对翻译的启示,探究其与翻译目的、翻译标准及翻译策略之间的紧密联系,并结合旅游文本英译例文,论证文本功能对翻译的导向作用.     

基于概念语义相关性和LDA的文本标记算法

为了提高文本标记和分类的效率,提出了基于概念语义相关性和LDA的文本自动标记算法(Text Mark Label,TML),用以代替人工标记的文本分类标记. 该算法在概念语义相关性计算的基础上,使用LDA(Latent Dirichlet Allocation)提取文本的主题表示,通过计算文本主题从属于各分类目录的期望从而实现文本自动标记. 为验证TML算法的效果,在标准文本分类数据集上使用文本分类器进行有监督文本分类实验. 为对比数据集和分类器对分类效果的影响,在3个数据集（WebKB、Reuters-21578、20-NewsGroup）上分别使用3种不同的分类器（Rocchio、KNN、SVM）进行实验. 实验结果表明:TML算法有效地提高了文本分类效率及文本标记效率.     

AutoCAD文本的剖析

AutoCAD文本的功能强大,它既能“书写”文字,也能“书写”符号,更能“书写”图形.通过文本样式的设定,可以达到不同文本的同时书写目的;通过字体的映射,可以将相同的字体显示为不相同的效果,并解决乱码现象;通过形文件可以创建字体.     

融合对抗训练和CNN-BiGRU神经网络的新闻文本分类模型

以对抗训练和神经网络为核心,构建文本表示与分类的一体化框架BATCBG,利用BERT和对抗训练充分提高文本表示效果,利用CNN-BiGRU集成神经网络对文本高效准确分类.通过对比实验发现,BATCBG在大幅提升文本分类准确率的同时保证了分类效率,对英文长新闻文本的分类效果提升最大.