第二语言习得理论对我国英语教学产生的影响

第二语言习得理论的研究，加深了我们对语言学习过程的理解，也对我国英语教学产生了深远的影响。本文概述了第二语言习得理论研究成果对我国英语教学所产生的影响。     

多相脉冲压缩编码波形产生及压缩处理技术

由线性调频信号导出的P3、P4多相码是一类常见的脉冲压缩信号 ,这类信号具有一些有用的特性。主要研究了P3、P4多相码信号的数字波形产生及压缩处理方法 ,提出了两种基于直接数字合成 (directdigitalsynthe sis ,DDS)技术的多相码波形产生方法。分析讨论了几种降低输出旁瓣电平的压缩处理技术 ,即经典的窗函数幅度加权技术、最小二乘幅度和相位加权技术和压缩后两采样滑窗处理技术。给出了一些计算机仿真结果 ,表明了这几种压缩处理技术的有效性。     

外语教育信息化的多视角研究

外语作为信息知识和技术传播的载体和媒介，对我国高等教育和科学技术的飞速发展起着不容忽视的作用。英语的特殊地位与其作用，迫使我们重新审视中国英语教育的战略决策，要求我们对外语教学信息化进行全面的、深层次的、全方位的、多视角研究与探讨。     

浅析加强英语听说能力的培养--从CET改革谈起

交际是学习语言的最终目的.大学英语四、六级考试改革突出了英语听说能力,其目的是促进学生重视英语交际能力.要提高学生英语交际能力,在英语教学中教师应正确处理好几对关系:听与说的关系;交际文化与语言文化的关系;教师与学生的关系;准确与流利的关系等,把握教学原则,从而加强学生的听说能力培养.     

加强数学语言教学增强数学语言应用意识

数学教学中应加强数学语言教学,增强数学语言的应用意识,以提高学生数学应用能力.     

英语专业师范生语音模式规范化的必要性

语音是学任何一门语言的基础。语音的规范化直接影响学习者语言的学习效果，因此对英语专业师范生的语音模式要进行严格规范。     

浅析法律文书语言的精确性与模糊性

法律文书由于具有很强的专业性,因而也就具有应用文书的一般写作特点,尤其在语言的精确性方面要求甚严,但模糊语言的恰当运用,同样能不偏不倚地准确表意,使文书能达到其基本地的使用目的。     

基于语言偏好的群体决策的软解法

群体决策模型用于支持系统或专家系统，面临的两个问题是：自然语言与机器语言的匹配以及模型解与决策者意向交融．本文在许多学者大量工作的基础上，试图提出群决策的软化求解模型．主要提出两方面的结果：一是多准则语言偏好的综合；二是采用模糊匹配方法和语言变量的软算法将个人语言偏好聚集为群体可接受决策解．最后给出实例计算以说明操作步骤．该模型可用于人－机交流式ＧＤＳＳ或小群（７～１２人）会议支持系统的软件设计     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。