略论花间词的情绪记忆

花间词多以描写抒情主人公的情绪记忆来展开故事及抒发情感,其叙写基本沿用“触发-回忆-比照感叹”这一范型来展示情绪记忆的生发与完成,极具情节动感与情思美感。情绪记忆促进花间词幽微要眇的美感特质形成,也是构成花间词深沉多义的审美风貌之重要因素。     

对图书馆员与读者沟通障碍的思考

分析了图书馆员与读者在沟通中存在的障碍,提出了图书馆员与读者有效沟通的方法,强调了馆员在与读者沟通中应注意的问题,以便更好地为读者服务。     

声乐演唱的艺术处理

声乐的美感与艺术魅力,取决于演唱者的情感表现。想要成功地演唱一首声乐作品,必须对其进行细致深入的艺术处理,理解作品内涵,分析作品音乐,把握作品意境,将情感通过声音演绎出来,才能真正地引起听众的共鸣。     

高速公路建设降噪措施探讨

以青岛至兰州高速公路在宁夏境内东山坡至毛家沟段的村庄敏感点顿家川为例,依据顿家川交通噪声预测结果,结合周边实际情况进行降噪措施分析.找出理论与实际的差距,得出合理的声屏障高度,达到环境保护及工程建设的最优结合,避免不必要的人力与财力浪费.     

基于情感教育的大学生道德教育探析

本文从情感教育的角度出发,以道德教育的理论,分析了中国当代大学生情感教育的现状,发现大学生道德情感教育缺失的原因,总结经验,试图找到解决的办法。希望大学生道德情感的畸形发展现象得到社会的广泛关注。     

计算机化自适应测验技术在情绪智力智能测评中的初步应用——基于项目反应理论

在项目反应理论(IRT)框架下,采用计算机化自适应测验技术实现对情绪智力的智能测评.基于IRT系列分析(含单维性检验、模型拟合检验、局部独立性检验以及项目质量分析),构建了符合IRT测量学要求的情绪智力测评的题库,并以此为基础探讨了计算机化自适应测验技术在情绪智力智能测评(CAT-EI)中的应用.实验结果表明:(i)CAT-EI相关算法具有较高的参数估计精度,同时具有较理想的测量信度和效度;(ii)CAT-EI可使用较少的题量(M_ean=9.88题)达到使用整个题库(67题)的测量精度,它一方面能做到减轻被试的测试负担,另一方面实现了对情绪智力高效、快速、准确的智能测评.总之,该研究为实现对情绪智力智能测评提供了一种新的测量技术支持.     

浅谈英汉互译中的文化障碍

翻译是一种跨语言、跨文化的交际活动。在翻译过程中,不仅原语与目标语语言上的差异会给译者带来困难,而且原语文化同目标语文化的差异也会给译者造成障碍。分析了英汉互译过程中英汉文化的差异给译者在词汇、表达、语篇层面上带来的障碍。     

基于双粒度模型的中文情感特征词提取研究

为了能够快速准确地提取出海量文本信息中的情感特征词,提出从情感词语集中通过人工筛选得到种子词并对其情感强度赋值,同时,以这些种子词为基准计算出情感词语集中其他词语的情感强度值,从而得到各特征词在词语级及句子级的倾向性贡献度值。然后,将特征词在词语级、句子级这2种不同粒度情况下计算出的情感倾向性贡献度值有机结合起来,构造出基于双粒度模型的中文情感特征词提取模型。该提取方法考虑了特征词在词语级和句子级2个方面的情感倾向,使最终提取出的情感词的准确率得到了提高。实验表明,只要有一个全面的情感词典系统和一组准确恰当的种子词,提出的方法可以获得良好的准确率和召回率。     

基于BERT与多通道卷积神经网络的细粒度情感分类

为了分析突发事件期间网络舆论的情感倾向,以更有效地调节人们的情绪,维护社会稳定。本文提出了一种融合BERT模型和多通道卷积神经网络的深度学习方法用于细粒度情感分类,以获取更加丰富的文本语义特征信息。通过BERT 对输入的文本进行编码,以增强文本的语义特征表示,再通过具有多个不同大小的卷积核的并行卷积层来学习文本特征,捕获文本的深层次特征,提升模型在文本分类的性能。对比实验表明,该模型在准确性、召回率和F1值方面均优于传统的情感分类模型,并能显著改善细粒度情感分类的性能。除此之外,本文还探究了表情符号对细粒度情感分类模型的影响,实验结果表明表情符号转换成文字后可以增强文本的情感特征提取能力,提升模型分类性能。     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法,应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号,将噪声信号从含噪信号中过滤掉,达到消噪的目的;根据自适应学习算法,利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新,以适应噪声的变化。选取均方根误差和计算时间2个性能指标,采用自适应噪声抵消方法在不同网络中进行仿真比较,结果表明,应用该方法可以获得更好的滤波性能。