文摘
计算机技术被称为“第四次工业革命,表明计算机技术的重要性。同时,作为我们日常交流最重要的方式,也是连接到计算机技术。本文的目的是研究语言学的应用程序设计在计算机技术在争议。提出了一种纪录片转换算法基于BP神经网络对语言学作出了相应的分析。它设计了一个纪录片转换系统为应用程序语言的技术。实验结果表明,语言有更深入的应用程序在计算机技术中,这里和纪录片转换系统设计可以达到超过97%的20人在系统的准确性。
1。介绍
自1980年代引入系统的语言学,系统功能语言学在中国一直很发达。学生学习系统功能语言学家已经从以前纯交流研究中心介绍的观点,实现理论创新部分。然后把它的应用理论的中国,如中国或话语的话语分析汉语和英语之间的比较分析。计算机技术的内容非常广泛,大致可以分为计算机系统技术、计算机设备技术,计算机组件技术,计算机组装技术。计算机技术包括计算方法的基本原理和计算单元设计、指令系统、中央处理单元(CPU)设计、管道的原则及其应用在CPU设计、存储系统、总线、输入和输出。
语言是文化的载体,文化的国家通常是继承了语言和民族语言与民族文化有着极其密切的关系。和计算机技术可以将语言学的文字语言转换成数字编码存储。少数民族学习汉语,因为multi-unified中华民族,中国学习是他们的前提下融入中华民族。当它融入中国民族文化的主体,他们也会使自己的文化已经成为中国文化的一部分,他们将继续受益的共同利益,共同进步,共同发展。双语教育在中国的主要任务是学习汉语的基础上掌握母语,因此依靠现代科学文化的现代化技术,参与现代生活,实现民族文化的现代化。
本文有以下创新:(1)在算法模块,文档系统使用为数据选择一个更好的算法。该算法在模式选择开关。(2)每个电台的对应长度时间储备共有22个样本。后续材料的更新图书馆和声音的交配升级模块将增加文档系统的良好结果的多样性。(3)它增加了更多的个性化参数设置声音回放和处理模块,如声音形象控制。和它的地方一个新的参数调整旋钮的用户操作界面为用户有更多的选择在使用的控制。
2。相关工作
语言是沟通的基础,有许多研究语言。Johann-Mattis等人认为,从所有本地语言的数据量迅速增加语言学的方法,这些数据需要面临的挑战。他潜在的自动测试方法来检测源(同源词)这个词在跨语言数据。结果表明,该方法可以自动识别同系化合物具有很高的准确性,和INFOMAP达到89%的最佳性能1]。麦卡锡认为研究在语言学和语法关系的偏好理论是语法结构的一般模式。他研究了优化理论的动机,其核心原则和分析的分析2]。Stab和Gurevych提出第一个端到端的方法来解析参数结构有说服力的文章。他用两个语料库的组合模型的评估方法不仅大大提高了识别的类型和组件之间的关系和主要关系,并明显优于具有挑战性的启发式基线(3]。艾萨克斯和哈丁认为,长期边际位置后,第二语言发音(L2)领域取得了许多进展在过去的十年中,这使得它可以改善活动和后续研究的可见性措辞(4]。Murasugi在日本学习发音语法,他提出了一个不间断的规则来解释这个事实。基于经验证据的纯复合名词短语结构,日本孩子推断所有名的修改;特别是,关系从句名词短语。因此,支持IP假说语法学,主体性,收购研究[5]。黑田将和讨论自己的观点;除了这种共同关系,日本也有一个条款的关系。这种关系是最近越来越引起语言学家的注意,通常被称为“无头关系”(6]。然而,综合分析当前学术界的研究成果,我们发现仍有更多的理论讨论,和实际分析少;有更多的英语话语的分析,分析汉语较少;有更多的英语话语的分析,分析汉语较少;有许多不同的话语分析,有几个字比较,等等。这一部分的研究结果相比,外国话语(主要是英语),很少进行语言对比在中国。
3所示。语言学的人工智能
3.1。语言学在人工智能
3.1.1。语言是一种社会常态
语言是一种声音(图片)指令与一个统一的编码和解码标准由相同的生物物种由于沟通的必要性。实质性定义语言声音/符号的物质外壳和意义的内涵,这是由词汇和语法,可以表达人类思想的指令系统。语言实际上是一种社会习俗,多数学者公开强调它的正确性。语言是一种社会公约;实际上,它包含两个方面:一是社会,另一个是规律性。一些学者认为,语言应该是一个完整的和固定。那么如何解决呢?这需要具体的规则,所以语言必须遵循一定的规则7,8]。
3.1.2。语言是均匀的
语言是一种人与人之间的沟通,人们不能相互交流没有语言。尽管人们的思想可以通过图片、动作、表情,等等,语言是最重要的和最方便的媒介。然而,世界各地的人们说着不同的语言,而且它是困难的,如果不是不可能的话)直接对话。以俄罗斯为例,可以看到“语言”应均匀。俄罗斯的语言是不同的,所以语言是异构的。和语言不能用于引用这些异构的演讲;换句话说,它的反面是演讲的异质性,所以它是均匀的。此外,尽管在实际的言语交际过程中,说话者会受到多种因素的影响,语言的同质性还体现在具体的实现过程(9,10]。
演讲活动是混合其他学者认为,语言是一个非常明确的对象在这个复杂的整体。不仅在不同的地区,有不同的语言和方言;也就是说,在同一地区,不同的社会阶层和不同年龄的人会有特殊的词汇来表达自己的独特感受。这是另一个类或年龄的人很难理解。从分类的研究,演讲活动的混乱造成的主要包含“演讲”,因为“演讲”是个体,它有许多不确定因素,许多特殊情况的总和。这是演讲活动的异质性11,12]。
语言的产生意味着人们说话或写思想表达通过语言器官的活动或手。它包括两种形式的口语和写作。语言的主要单位生产音素、音节、语素、词、短语、句子。如图1,高度发达的计算机技术和人工智能改变了传统语言学。是否从教室或社交媒体,人们接触到的语言变得更加多样化和更聪明。
3.2。BP神经网络算法
3.2.1之上。节点设计
BP(反向传播)神经网络是一个多层前馈神经网络训练误差反向传播算法,它是使用最广泛的神经网络模型之一。
人工神经网络不需要确定输入和输出之间的映射关系的数学方程。只有通过自己的训练和学习一定的规则获取结果最接近期望输出值给定的输入值。作为一个智能信息处理系统,人工神经网络来实现其功能的核心是算法。BP神经网络是一种多层前馈网络的训练,误差反向传播(称为误差反向传播),叫做BP算法及其算法。它的基本思想是梯度下降法,采用梯度搜索技术,以最大限度地减少误差均方误差实际输出值与期望输出值之间的网络。
BP神经网络具有任意复杂的模式分类能力和优秀的多维函数的映射能力,和解决异或(XOR)和其他一些问题无法通过简单感知器来解决。结构,BP网络输入层、隐藏层和输出层;从本质上讲,网络的BP算法采用平方误差作为目标函数,并使用梯度下降法来计算目标函数的最小值。
如图2输入层节点设计是由风险评价指标的数量。通过执行主成分处理样本的原始数据,输入层节点的影响数据的主成分处理原始数据后,和特定的值应该是主成分的数量后,主成分处理(13]。
输出层节点设计:输出层节点是由需求决定的,形式的评估结果,并根据风险级别是杰出的风险(清廉)除以10专家样本。(0,2)非常低风险;(2、4)低风险;(4、6)高风险;[6 8)是高风险;[8 10)非常高的风险。因此,输出值的范围是基于对风险评级数量,输出值是独一无二的,输出节点应该是1。
设计隐层节点的数量:在前面指定的输入节点没有统一模式建设。同时,拟合精度影响隐层节点的数量,但越多越好,网络的复杂性和训练速度应该考虑的前提下确保一个小错误。它需要调整中间层节点的数量米根据不同的研究内容并选择节点的数量范围内根据经验公式。常用的经验公式如下: 在哪里P在输入层的节点数,问在输出层节点的数目,然后呢一个在[0,10]。
3.2.2。BP神经网络函数的选择
乙状结肠函数是一个s形的函数中常见生物,也被称为s形的生长曲线。在信息科学、乙状结肠函数通常是用作激活函数的神经网络映射变量在0和1之间由于其mono-increase和逆函数mono-increase属性。传递函数主要是隐藏层和输出层函数。如图3乙状结肠函数,作为激发函数,在传输过程中不容易发散和地图之间的变量输出范围(0 - 1)14]。乙状结肠功能的参与使模型能够处理非线性数据,并使用分类的乙状结肠函数时,可以计算概率预测。这是对概率决策具有重要意义,我们所做的风险评估的本质是概率的预测。此外,乙状结肠函数的两端是平的,它是可微的期间计算,这是好有助于数据的输入和输出,并提高网络的非线性映射能力的数据。描述公式如下:
从隐层到输出层函数选择purelin函数。这个函数的功能是快速输出培训结果并选择purelin函数的线性传递函数,以便模拟步骤简化,传动效率高。隐藏层样本函数公式所示:
公式的 和参数代表偏移设置在隐藏层节点,用于调整功能。输出层函数公式所示:
的公式,代表偏移值设置在输出层节点,计算过程的逆函数代表其误差公式所示:
的公式,代表实际的输出误差,代表预期的错误,执行这个函数计算的值降到最低E以满足输出需求。
训练函数(trainlm函数)主要是训练算法的权重,这指的是l m (Levenberg-Marquardt)优化算法。它具有中等规模的BP神经网络收敛速度最快,默认系统的算法。因为它避免了直接海赛矩阵的计算,在训练它减少了大量的计算,但需要更大的内存数量。从文献研究的角度来看,trainlm操作方便和快速火车。在网络训练的过程中,可以迅速降低误差曲线和精度可以提高训练收敛速度快的优点和更少的步骤。只要有一个大的内存,可以保证trainlm的训练速度。
3.2.3。评价模型函数算法
输入样本数据评估 计算输入每个单元的中间层通过连接的重量和阈值 。传递函数计算每一层的输出值 ,其中 ,和计算过程如下:
根据输出值中间层的重量和阈值连接,输出值lt每个单元的。输出层的值Ct是通过传递函数。这个过程的输出值的计算过程是输入数据的肉类产品冷链物流质量风险评估模型中样本;看到
比较目标输出值Tk计算输出值Ct,错误计算输出层的公式所示:
它使用输出层的误差和输出值中间层的正确重量的连接和阈值为了实现模拟专家的目的,如详细公式所示:
3.2.4。主成分数据的降维
之前的数据输入到神经网络模型、数据进行主成分降维(15,16]。在文学研究的评估过程,减少的主要组件的尺寸数据,这部分数据带入网络模型和原始数据降维替换成模型进行比较。结果表明,BP网络模型和主成分降维后的数据可以达到更高的精度和更少的迭代,而相对误差较低(17]。的长度的原因简要解释了BP网络模型之间的比较过程中主成分降维后,原来的BP模型。它首先执行主成分处理数据,然后进入模型的使用。
主成分分析使用相关变量来降低数据维数,这样可以与主变量来解释。主要的变量可以解释原始变量的大部分信息,这对防止数据重叠有很大的影响。主成分的定义和推导公式如下:设置一个q-dimensional随机变量,它是二阶可诱导的在同一时间。均值和方差,根据线性变换,公式所示:
为了获得向量最大的方差的线性函数 ,有 为任意常数k,设置单位向量, 。在此基础上,获得当 最大化,获得在这个时候是第一主成分。 具体计算公式所示:
4所示。语言数据
4.1。汉字Dataization
输入方法是用来输入文本的编码方法和符号。中国输入法的编码方法主要分为两类:基于发音,如拼音输入法;根据字体的意思,如字体五笔输入法,郑代码输入方法,Cangjie输入法;这些类型统称为形状代码。每个形状代码输入方法都有自己的原始汉字拆除逻辑和编码方法,并配备了一个激进的表可以对应于“QWERTY键盘。其特点是,它更准确地反映了汉字的字形结构和语义本身,并与拼音输入法,它有一个低重复率(18,19]。针对这一点,本文将利用图形代码输入方法作为数据输入源形成框架的基础上从文本分析文本数据转换。下面将选择输入法,将用于本研究通过介绍和比较三种常见的输入方法。
以下4.4.1。五笔输入法字体
五笔输入法的根分布法是基于汉字的笔画开始中风五个基本领域:“水平”,“垂直”,“撇脂”,“紧缩”,和“折叠。“五笔输入法汉字分解为三种类型:左右型、上下型、和混合类型。
诗句“如果生命只是第一次看到“使用五笔输入法编码,如表所示1。
4.1.2。郑码输入法
根据使用的功能和组成单词的能力,郑代码划分的基本根(以下简称“基本根”)为辅助的主要根和根,和主要的根源是进一步分为第一个主要根源和第二个主要根源。第一个主要根源是“一个代码根”;也就是说,只需要输入相应的字母代码,它是基本的根与最强的能力组26个单词。第二个主要根源和二级根设计为“两个代码的根”,以减少重复代码;也就是说,他们需要由两个区号和位代码的代码。郑码编码方法是分解汉字,根据订单的中风,先后代表字母代码的基本根源,但数量有限,最多四字符编码(20.]。诗句“如果生命只是第一次看到“使用郑代码编码如表所示2。
4.1.3。Cangjie输入法
Cangjie输入法在台湾是一个很受欢迎的中文输入法。最初版本最初称为“形意拳Jianzi法”,后来改名为“Cangjie输入法”纪念Cangjie的性格创造的精神。成立之初,朱先生蒋海松本的初衷是开发一套中国的检索方法,所以汉字,拼音字符,有订单,便于计算机程序检索。
的初衷Cangjie不仅输入方法是输入汉字,但中国更完整的系统。开发人员意味着使用Cangjie编码统一处理汉字代码的六个主要问题,词序,字体形状,单词发音、词义、词识别。因此,Cangjie根一直致力于细微特征,能反映汉字的结构非常直观地设计的开始。Cangjie输入方法将根划分为四类:哲学、中风、个性,和符号。相比Zhengma和五笔,Cangjie字符分割方案不是针对使用输入法打字速度。然而,从根表的分类的角度来看,它的意思是比喻,准确、精炼,这一切的根源是一致的和人体,并保留了汉字的表意特点派生从象形文字到最大程度。代码收购Cangjie输入法的原则是第一,第二,第三,最后单个字符的代码,和分割字符分为前缀和身体。获取代码的顺序也遵循三个原则:从上到下,从左到右,从外到内。当编码,输入编码的前缀和字体的身体。最短的一个汉字是一个院子,最长是5码。
总之,诗句“如果生命只是第一次看到“使用Cangjie输入法编码,如表所示3。
上面列出的三个输入方法有自己的优点和缺点。五笔编码和Zhengma相对输入速度快而Cangjie输入法,因为他们的性格分裂逻辑和根分布。然而,鉴于text-to-sound系统设计之间有尽可能好的映射代码和声音样本,它是决定播放样品通过结合算法和一组规则。这是一定会要求使用汉字代码之间有一个明显的root-figurative意义对应其激进的分类和激进的设计表。从这个角度来看,由于分工的设计中风Zhengma和五笔编码,在其激进的表,主要的自由基由字母不够明确和不规则的意思。如果它映射到样本,性能不会很光滑。因此,鉴于Cangjie输入法的独特优势,本文打算选择Cangjie输入法作为主要编码方法基于符号的中文文本数据。
4.2。设计思想的文本和音响系统
本章将描述的基本结构text-acoustic系统要实现的功能,并讨论可能涉及的问题和解决方案。文本和音响系统的体系结构分为四个部分:数据预处理、数据选择规则,声音材料的映射规则,和声音处理规则,如图4。
Max / MSP交互式编程语言和开发环境为音频和媒体生产。马克斯是最昂贵的环保项目开发互动媒体和现场表演了十多年。麦克斯让用户构建的声音,通过连接图形对象来做这项工作。MSP为音频添加了大量的对象编程,使信号一致。抖动对象包允许用户创建视频或3 d图形编程,或运行任何依赖于数据。文本和声音系统是基于模块化的思想,和子模块(subpatch)是建立在Max / MSP意识到每个部分的相应功能。
4.2.1。准备数据预处理
中国文本是由Cangjie拆卸的输入方法来获得一个数字序列,它包含一个数量的编码列表(列表)最多5个数字。文本和声音系统打算建立一个sub-module作为输入模块,负责预处理实现输入的编码列表,列表的存储和调用。同时,这个系统的目的是在一个相对简洁的和互动的逻辑操作模式中,这样用户可以输入Cangjie代码text-to-sound系统在日常生活中就像一个键盘上打字,和所有操作可以完成几个键。输入组件的目的是包含以下功能:
模拟的过程中使用键盘输入文本,并只使用必要的钥匙,如字母和空格来完成完整的数据输入过程。
它使用“科尔”组件暂时将用户输入的数据存储在一个论点的形式+编码列表(列表)和实现的功能改变和阅读,以便促进数学安排和后续所需的计算模块。
4.2.2。数据过滤规则
马尔可夫链(MarkovChain)“ml算法组件。马尔可夫”text-acoustic系统所使用的Max / MSP如图5。这个组件来自一组机器学习工具箱”毫升。“写给马克斯,可以构建一个multi-order马尔可夫链模型根据输入列表(列表)和触发的生成一个新的序列“爆炸”消息。
分析师Wensheng系统计划安排的汉字编码的数字组成的诗句,以建立一个列表,并将它们导入“毫升。马尔可夫“组件建立马尔可夫链模型编码的数字。同时,诗中的每个汉字是根据数量计算的代码“一个代码的话,”“两个代码字,”“3表示法的词,”“four-code词,”和“five-code词数量和建立到一个数据库中。当“毫升。马尔可夫”开始产生一个新的序列,它生成的新号码决定下一个汉字编码。它随机选择汉字的字体库中相应的编码数字和使用汉字代码系统的进入后续模块列表,如图6。
4.2.3。声音处理规则
本节打算建立一个sub-module负责声音回放和处理接收的数据输出“ml.markov算法组件。“这sub-module将使用单个汉字作为输出单元,完成最后的编码的映射。换句话说,声音材料的编码区域触发播放相应的材料,声音形式的编码区将控制期间,回放的方向,和体积信封,和实时音频处理的编码区将触发相应的效应。和一个汉字,无论代码的数量,只会触发声音模块工作一次,结果和结果需要单个汉字作为一个整体和复调同时输出所能达到的水平。
为了丰富多样性的结果,中风的text-sound系统使用的编码类(H来N)根据其激进的中风和集的特征规则来确定声音形式,如表所示4。
“H”到“K”编码将触发的选择类型的持续时间和回放声音材料的方向。“l”到“N“代码确定体积信封的回放。有三个层次的“淡入”,“淡出”,和“强弱之间的交替”由“行∼”控制组件。材料类型和体积之间的编码信封不相互冲突。
字形的编码类(年代来Y)触发音频实时处理意味着通过规则设置,如表所示5。
“年代”到“V“代码将触发一个传送类型效果,声音信号实时处理将输出的主要通道并行(Stereoout)。其中,“年代”和“T“分别触发低胸和高阻过滤器;”U”和“V“分别触发混响和延迟效应。类似地,“W”、“Y”编码将触发的处理时间伸展和音高变化。但与前发送效果,处理时间拉伸和音调变化直接在干燥的声音回放声音的材料。
总结,因为text-to-sound系统制定三个分区编码映射,不同数量的代码组合在不同的分区映射,或有一个逻辑冲突的情况。例如,编码的组成汉字“事”J- - - - - -l- - - - - -l- - - - - -N10-12-12-14,即编码列表。立刻出现了两个问题:第一,没有四码的字属于映射区域的声音材料,导致没有后续映射选项;其次,有两个相同的“l在代码这个词,和代码”l”和“N“都是信封的体积控制在良好的形状映射区域,所以他们彼此冲突。因此,在声音回放和处理模块,规则应该制定不同的编码组合。以下分为几种情况讨论:
如果汉字组合编码都是声音材料领域,声音回放处理模块触发播放相应的声音材料的组合码。
如果没有良好的形状区域编码,默认是播放一个长期价值,回放,体积和褪色的信封。如果没有编码的实时音频处理,处理模块默认情况下是禁用的。
如果没有一个汉字组成编码属于声音材料区域,它计划总结所有的代码和除以总数声音材料的类别地区11日,其余材质的选择决定了声音。声音形态的编码区和音频实时处理区通常是映射。
如果代码在良好的形状区域的数量大于1,代码,确定材料类型和控制音量包络互相不冲突。如果代码数量的材料类型大于1,如“8”和“9”,它将随机选择其中确定材料类型。如果音量包络的编码数量大于1,如“12”和“13”这将是随机选择的控制总量信封。
编码音频实时处理区域的数量不是有限的,他们都可以引发不相互矛盾的。
4.3。文本和声音系统测试
本文由LoadRunner系统测试,系统的性能在高强度测试通过模拟多个用户通过LoadRunner同时在线。测试结果如下:
如图7,LoadRunner模拟100人同时在线的响应时间和记录系统中每一个人。可以看出,这100人的响应时间是4 s和5 s之间,这是符合一个稳定的时间序列。它可以认为系统的响应时间是相对稳定的。响应时间是4 s最低,最高是5 s,不同的是1 s轨道。在实际情况下,平均用户停留的时间不会超过5 s。如果超过5 s,大多数用户将选择离开。从这一点,可以发现本文系统符合实际使用要求,然后分析了系统的性能。
为了测试系统的最大性能,使用LoadRunner模拟1 100人同时在线测试text-acoustic系统的变换。本文随机选择10唐诗诗从300 literary-sound转换和记录错误率。为了消除误差的研究,识别错误率的平均价值10古代诗歌被记录。如图8随着人数的增加,出错率也增加,整体增加了。这表明系统的最佳效果,这种情况很多人同时使用它应该尽可能避免。在20人,出错率大约是4%,和转换的效果是好的,但在21日,57人,出错率增加到15%左右,这是不足以满足系统需求。
5。结论
本文比较分析了两种风格的中国叙事文本和文本使用的系统功能语言学的说明文。本文详细统计所选文本的组成部分,反映了三个主要meta-functions和文本凝聚力和表的形式呈现在用户面前,这样我们有一个真正的和混凝土基础的理解这两种风格之间的异同。它不再是模糊的,空的,但是真正“知道为什么。“此外,本文还运用话语分析的结果和比较话语实践的对外汉语教学,并提出一些建议提高教学效率从话语的角度教学教学的阅读,写作,并在对外汉语听力。结合text-acoustic系统的实际应用效果和操作的评估经验和声音text-acoustic系统由几个听众,本文认为text-acoustic系统有以下可能性扩张和需要改进:在输入模块、文本和声音系统会实时输入编码函数实现产生声音的效果类似于实时编码(Livecoding)。在实际的创建和设计作品,选择的数据算法输入模块来处理声音,声音和实时编码模块可以将额外的汉字输入声音模块,所以作曲家可以使用该系统来创建表演或创作。可以进行高维设计和考虑“声音”或声级。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者声明没有潜在的利益冲突。