李静莹
- 作品数：22 被引量：28H指数：3
- 供职机构：咸阳师范学院更多>>
- 发文基金：广西研究生教育创新计划项目更多>>
- 相关领域：语言文字文学艺术自动化与计算机技术更多>>
- 句法认知图式差异与中式英语的成因
- 2014年
- 中式英语错误在大学生英语表达中屡见不鲜,如何从根本上认识这些错误的形成原因已经成为学者们关注的焦点。本研究应用认知图式理论,主要从英汉语句子层面的图式差异入手,分析了大学生在表达中出现中式英语的原因,以期能为大学英语教学带来一些启示。
- 李静莹
- 关键词：认知图式句法差异中式英语
- CET:合理还是异化?
- 2008年
- 全国大学英语测试(CET)历时20年,对推进我国高校英语教学的积极作用不言而喻,然而由于对测试认识的偏差和尚欠科学的教学管理导致CET出现许多异化现象。实际上,异化现象并非测试本身之过,只有不断地加强改革,才能走出误区。本文从回顾CET的历史发展轨迹入手,对其存在的合理性和异化现象进行了剖析,并且进一步展望了CET的未来趋势。
- 李静莹
- 关键词：CET异化
- 说说“飞鱼族”
- 2008年
- 20世纪90年代中后期，经过海外大环境历练的高学历归国人员被媒体炒作为“海归（海龟）派。”经过近十年的发展，海归类词群不断扩大。应晨锦认为，“海龟”“海带”“海鲜”“海鸥”“海泡”“海根”“海藻”“海参”“海狮”“海星”“海草”等词语主要是通过谐音的修辞手法描述了处于不同生活状态中的海外留学人员和归国人员，
- 李静莹
- 关键词：海外留学人员归国人员媒体炒作修辞手法
- 融合CCA投影子空间和改进PSO算法的AI人工智能翻译语句对齐分析
- 2024年
- 人工智能翻译技术能够提升多语种环境下的交流质量。研究针对人工智能翻译时的语句对齐问题,提出了一种投影子空间的优化方法。过程中设计了语句的预处理流程,并对典型基进行求解,使用粒子更新对计算时间进行优化。实验结果表明,研究方法进行语句对齐时,样本数量达到5 000时的对齐正确率保持在91.3%以上。由结果分析可知,研究设计的人工智能翻译语句对齐技术能够以更快的速度完成汉语和英语之间的翻译任务,且能够保持更高的翻译准确率。研究方法在进行实际运行时对硬件带来的压力更小,能够有效应用在实际翻译场景中。研究能够为人工智能翻译技术提供高效、可靠的技术参考,有助于促进汉语与英语人群的文化交流。
- 李静莹
- 关键词：自动翻译
- “套路”面面观被引量：3
- 2017年
- 近期，“套路”一词风靡网络。网络词语的风靡，一定有其产生、传播、放大的特定环境和背景，这是客观存在的事实。那么，“套路”一词为什么风传网络？其义项、词性、句法功能及感情色彩发生了怎样的变化？其后续发展如何？
- 李静莹
- 关键词：套路网络词语感情色彩句法功能
- 唐代边塞诗里的情长思远
- 2014年
- 唐朝是我国古代诗歌登峰造极的一个时代,以古诗、律诗、乐府、绝句为代表的诗体,以工整美、对称美、韵律美、简约美的艺术形式,反映着唐朝丰富而复杂多变的社会生活.而战争作为伴随着人类发展的极端活动形式,必然会在当时最流行的艺术形式中有所反应.
- 李静莹
- 关键词：边塞诗唐代古代诗歌对称美韵律美
- Alice Deignan《隐喻与语料库语言学》评介被引量：1
- 2011年
- 本文主要评述了著名学者Alice Deignan的新著《隐喻与语料库语言学》。该书主要用语料库的数据对经典概念隐喻理论的研究成果进行了分析和验证,反映了语料库语言学角度隐喻研究的最新成果。
- 李静莹
- 关键词：隐喻语料库语言学
- “斜杠X”式流行语的认知语言学解释
- 2016年
- 近来,"斜杠青年"一词频频亮相于网络平台,并以"斜杠"为类词缀不断扩展出"斜杠X"新词族。应用认知语言学的相关理论,对"斜杠X"式流行语的生成方式进行了分析,并探讨了形成"斜杠X"式流行语原因,以期能为语言研究带来一些启示。
- 李静莹史妮君
- 关键词：语言学流行语网络平台词频
- “斜杠青年”正流行
- 2016年
- 提起“斜杠”这个词,你想到了什么？符号？器械？还是术语？或者交通标志？但是,近来风靡网络的新词“斜杠”竟然指的是拥有多重职业和身份的特定人群。请看如下例子：
- 李静莹
- 关键词：青年交通标志
- 融合NMT模型与PBSMT模型的语料库机器翻译模型应用研究被引量：1
- 2024年
- 为了解决传统英语翻译模型存在的效率低、语料库内容覆盖范围较小等问题,研究将神经网络机器翻译(Neural Network Machine Translation, NMT)与短语统计机器翻译模型(Phrase Based Statistical Machine Translation, PBSMT)进行融合,用于构建英语翻译模型。研究首先利用NMT构建无监督英语翻译模型,然后将其与PBSMT进行融合,最后利用仿真实验和实际应用来验证翻译模型的性能。结果表明NMT+PBSMT在迭代至895次时,损失值趋于平稳,BLEU评估分数为0.87,同时在数据集TED2020、UM-Corpus、UNv5.0中的训练时间和BLEU分数分别为1.97 h、1.72 h、1.85 h和0.90、0.96、0.93,结果均优于对比翻译模型。这说明研究构建的NMT+PBSMT翻译模型具有较高的有效性和可行性,能够为英语翻译提供有效支持和帮助。
- 李静莹
- 关键词：语料库机器翻译
