導(dǎo)語：如何才能寫好一篇鱷魚眼淚，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

1、鱷魚眼淚：傳說鱷魚在吞食人畜時，邊吃邊流眼淚。比喻惡人的假慈悲。例句：他終于擠出了幾滴鱷魚眼淚。

2、鯨波鱷浪：猶驚濤駭浪。出自清代南荃居士的《海僑春傳奇·瘋訴》：望鯨波鱷浪連天涌，莽天涯沓沓蒙蒙。

（來源：文章屋網(wǎng) ）

篇2

【關(guān)鍵詞】主題爬蟲；特征提?。晃谋痉诸?；向量空間模型

1.引言

隨著互聯(lián)網(wǎng)的大規(guī)模普及和各行業(yè)信息化程度的提高，與行業(yè)領(lǐng)域相關(guān)的Web文本信息快速積累，如何從這些海量信息中定向提取符合需要的知識，是當(dāng)前信息處理研究領(lǐng)域的一個研究熱點，該問題涉及到對領(lǐng)域Web文本信息的采集和對采集到的信息進(jìn)行處理和數(shù)據(jù)挖掘兩方面的內(nèi)容。在采集領(lǐng)域相關(guān)網(wǎng)頁的過程中，主題描述及網(wǎng)頁內(nèi)容的相關(guān)性判斷，都需要用到文本預(yù)處理技術(shù)，信息采集成功后，又需要通過文本預(yù)處理和分類技術(shù)對領(lǐng)域文本進(jìn)行分類。本文對系統(tǒng)設(shè)計中的一些關(guān)鍵問題進(jìn)行了研究，并以機(jī)械領(lǐng)域挖掘機(jī)為主題，實現(xiàn)了一個機(jī)械領(lǐng)域Web文本采集與分類原型系統(tǒng)。

2.主題爬蟲的主題確立

對領(lǐng)域Web文本的采集，其實質(zhì)就是設(shè)計針對某一領(lǐng)域的網(wǎng)絡(luò)爬蟲。專業(yè)領(lǐng)域用戶一般只關(guān)心與其領(lǐng)域相關(guān)的一些資源，垂直搜索，專精化，行業(yè)化。主題爬蟲技術(shù)可根據(jù)一定的分析方法和搜索策略，選擇性的獲取與主題相關(guān)的Web頁面。主題爬蟲系統(tǒng)一般包括種子模塊、主題確立模塊、爬蟲爬行模塊和主題相關(guān)性分析模塊四個部分。設(shè)計高質(zhì)量主題爬蟲的關(guān)鍵問題是如何保證抓取的網(wǎng)頁中與主題無關(guān)的網(wǎng)頁盡可能的少，對待抓取的主題的準(zhǔn)確描述是設(shè)計主題網(wǎng)絡(luò)爬蟲的首要任務(wù)，也是一項關(guān)鍵任務(wù)，這點對于主題相關(guān)性判斷影響重大。常用的主題描述方法一般有兩種，一種是根據(jù)人工經(jīng)驗，由用戶直接給出一組關(guān)鍵字來描述主題，這種方式簡單，也比較準(zhǔn)確，但是對用戶的專業(yè)領(lǐng)域知識要求較高。

另外，當(dāng)知識更新較快時，極有可能出現(xiàn)漏選的情況。另一種方法為主題代表性文檔特征抽取。通過用戶提供或者選擇一些相關(guān)主題的實例文檔，由爬蟲從中提取用戶主題，其實質(zhì)是通過學(xué)習(xí)相關(guān)領(lǐng)域文檔并進(jìn)行自動特征提取的過程。優(yōu)點是定義精確，但要求所選取的文檔和頁面必須具有代表性和概括性，否則可能出現(xiàn)偏差。

3.網(wǎng)頁正文提取研究

網(wǎng)頁正文提取是網(wǎng)頁解析模塊的一個難點，也是最為核心的部分。大多數(shù)網(wǎng)頁中除了包含有用信息（正文）外，還包含網(wǎng)站導(dǎo)航信息、廣告、腳本語言等許多噪聲信息，如果提取不當(dāng)，則提取結(jié)果可能慘不忍睹，根本沒有使用價值。只有真正提取出的正文文本，才是最有價值的，后續(xù)的網(wǎng)頁相關(guān)性判別和網(wǎng)頁文本分類才更加準(zhǔn)確。

目前已存在一些網(wǎng)頁正文提取的方法，比較典型的有基于Dom樹；基于數(shù)據(jù)挖掘或機(jī)器學(xué)習(xí)；基于模板、規(guī)則；基于網(wǎng)頁內(nèi)容分塊等。Dom樹方法雖直觀有效，但其樹的建立，要求html必須合乎規(guī)范，且時空復(fù)雜度高，樹的遍歷方法也不具通用性，需根據(jù)html標(biāo)簽的不同而變化。用數(shù)據(jù)挖掘或機(jī)器學(xué)習(xí)的方法來解決該問題，又把簡單問題復(fù)雜化了?？傮w來說，這些方法大多不具備通用性，或?qū)崿F(xiàn)起來較為復(fù)雜，準(zhǔn)確度不高。

4.領(lǐng)域文本分類

領(lǐng)域文本具有不同于普通文本的特點。1）分詞困難。領(lǐng)域文本專業(yè)性較強(qiáng)，常常包含大量的專業(yè)詞匯，這使得領(lǐng)域文本的分詞較普通文本而言更具復(fù)雜性。如何設(shè)計分詞算法，使得專業(yè)詞匯能夠盡可能小的不被劃分開來，對后續(xù)操作影響重大。通過設(shè)計專業(yè)詞庫可以解決這一問題。專業(yè)詞庫的制定應(yīng)確保其權(quán)威性和完整性。本文中所采用的機(jī)械專業(yè)詞庫中的詞條主要來源于機(jī)械專業(yè)詞典、由機(jī)械設(shè)計制造研究人員收工錄入，還有部分來源于搜狗實驗室，經(jīng)過選擇，去重得到的。2）已標(biāo)記樣本較少。在機(jī)械類別的文本中，由于沒有通用的用于機(jī)械領(lǐng)域文本分類研究的實驗語料，本研究主要的語料來源為主題爬蟲程序所采集到的網(wǎng)頁文本，一部分專業(yè)文檔資料和少量電子版用戶需求文檔。

5.領(lǐng)域web文本采集與挖掘系統(tǒng)設(shè)計

根據(jù)上述研究內(nèi)容，本文設(shè)計了一個面向機(jī)械領(lǐng)域產(chǎn)品用戶需求信息的web文本采集與挖掘系統(tǒng)。系統(tǒng)結(jié)構(gòu)如圖1所示。

5.1 機(jī)械產(chǎn)品信息的主題描述

本系統(tǒng)主題描述步驟如下：

Step1.由領(lǐng)域?qū)＜胰斯そo出一組主題詞及其對應(yīng)權(quán)值（t1，ω1：t2，ω2：……：tn，ωn）。本文附錄給出了一個由領(lǐng)域研究人員提供的機(jī)械領(lǐng)域?qū)I(yè)關(guān)鍵詞庫，可以直接從里面篩選。

Step2.收集有代表性的主題相關(guān)度較高的文本文檔，進(jìn)行文本預(yù)處理，采用向量空間模型將文本表示出來，對這些文本資料進(jìn)行特征選擇，獲得共同擁有的特征作為主題特征詞集合。這里的特征選擇方法采用基于關(guān)聯(lián)規(guī)則的專業(yè)特征選擇方法，通過改進(jìn)的灰色關(guān)聯(lián)公式進(jìn)行關(guān)聯(lián)度計算將多個文檔表示信息組合在一起，計算非專業(yè)術(shù)語與專業(yè)術(shù)語的灰色關(guān)聯(lián)度，獲得專業(yè)術(shù)語的關(guān)聯(lián)度矩陣；對關(guān)聯(lián)度矩陣進(jìn)行加權(quán)計算，提取出需求的專業(yè)術(shù)語得到專業(yè)的需求描述。

Step3.爬蟲程序根據(jù)主題詞ti進(jìn)行爬行，采集與之相關(guān)的網(wǎng)頁，對這些網(wǎng)頁進(jìn)行文本特征提取，選擇出權(quán)重高的特征詞，判斷是否已包含在專業(yè)特征詞庫中，若沒有，則加入專業(yè)特征詞庫。即更新主題候選詞集。

Step4.將得到的主題詞存放在topic.txt中。

通過以上步驟，得到主題特征。整個過程是一個不斷學(xué)習(xí)更新的過程，從而實現(xiàn)對主題詞集合的不斷擴(kuò)充，提高主題描述的精確度。

5.2 頁面采集模塊

通過HTTP，HtmlParser，Parser類對從待爬隊列waitingQueue取得的URL對應(yīng)的網(wǎng)頁解析，得到網(wǎng)頁上的所有鏈接并通過循環(huán)對鏈接對應(yīng)的網(wǎng)頁解析。首先通過MannerGahter類進(jìn)行禮貌采集判斷，服務(wù)器允許采集則可解析出網(wǎng)頁上的對應(yīng)P標(biāo)簽和Title標(biāo)簽的文檔信息，然后通過Segment類對文檔分詞。

對標(biāo)題及正文的特征項的選取是通過分詞后與主題集合匹配，并通過詞頻計算特征選擇來得到與主題向量維數(shù)相等的標(biāo)題向量和正文向量。

計算相關(guān)性。首先公式1計算兩個表示文本的向量之間的相似度。

公式1

分別計算出主題和標(biāo)題、主題和正文的相關(guān)度，然后標(biāo)題與正文以4：1的比重計算出整個網(wǎng)頁與主題的相關(guān)度，即4*主題和標(biāo)題的相關(guān)度+1*正文與主題相關(guān)度。通過詳細(xì)計算，設(shè)定相關(guān)度閾值為75%，網(wǎng)頁與主題的相關(guān)度大于75%則認(rèn)為該網(wǎng)頁是與主題相關(guān)的。最后系統(tǒng)運(yùn)行界面如圖2所示。

6.結(jié)語

本文探討了面向領(lǐng)域的Web文本采集與分類問題，對主題網(wǎng)絡(luò)爬蟲設(shè)計中的主題確定，種子URL選擇、相關(guān)性分析、網(wǎng)頁解析與正文提取和搜索策略等問題予以研究，分析行業(yè)領(lǐng)域文本的特點，進(jìn)行恰當(dāng)?shù)闹黝}描述，選擇KNN算法來構(gòu)造領(lǐng)域文本分類器，設(shè)計并實現(xiàn)了一個機(jī)械主題Web文本采集與分類原型系統(tǒng)。

參考文獻(xiàn)

[1]J.Han et al..Mining frequent patterns without candidate generation.In Proceedings of the 2000 ACM SIGMOD Conference on Management of Data，Dallas，TX，2000：1-12.

[2]魏松，鐘義信，王翔英.中文Web文本挖掘系統(tǒng)WebTe-xtMiner開發(fā)[J].計算機(jī)應(yīng)用研究，2005（6）211-213.

[3]沈記全，唐菁，楊炳儒.Web文本挖掘系統(tǒng)及其分類算法的研究與實現(xiàn)[J].計算機(jī)工程，2009.03（2）：13-14.

[4]CHAKRABARTI S，BERG DEN VAN M.Focused Crawling：A new approach to Topic-Specific Web Resourse Discovery[C].In Proceedings of the 8th International WWW conference，Toronto，Canada，1999.

[5]劉國靖，康麗，羅長壽.基于遺傳算法的主題爬蟲策略[J].計算機(jī)應(yīng)用，2007，27（12）：172-179.

[6]Chakrabati S，Punera K，Subram anyam M.Accelerated focused crawling through online relevance feedback，WWW2002，May 7-11，2002，Honolulu，Hawaii，USA.http//csberkeley.edu/-soumen/doc/www2002m/p336-chakrabarti.pdf（Accessed Nov.8，2006）

[9]M.Ehrig，A.Maedche.Ontology-focused Crawling of Web Documents.In Proceedings of the 2003 ACM symposium on Applied computing，Melbourne，F(xiàn)lorida，June 2003：1174-1178.

篇3

你好！

在茫茫的人生海洋上，會遇到無數(shù)挫折，你像一艘船，乘風(fēng)破浪，勇敢向前。

但最近你遇到了海上的一簇暗礁，你停止了行進(jìn)，陷入了沉思。事情是這樣的：黑板報的組長——你，有權(quán)力管組員，組員分配好了，但沒有人把水倒掉，你隨便點了一位同學(xué)把水倒掉，那個矮矮胖胖的袁斌就是不倒。當(dāng)老師走進(jìn)教室，見一桶臟水在墻角，就厲聲問：“金瀟逸，這是怎么回事？”你惱怒地說：“袁斌，他～”袁斌當(dāng)場抵賴，無奈無辜的你又遭老師訓(xùn)斥：“為什么沒倒掉，你身為組長，沒有分配好！即使袁斌不倒，你也可以倒掉！”你氣得似狂怒的獅子，兩滴委曲的淚珠兒滑落下來，袁斌卻露出狡獪的笑。

朋友，不要煩惱，惡人會有惡報的！放開心胸，讓小船重新啟航，重新啟航！這只是生活中一個小小的挫折，讓它遠(yuǎn)去吧！遼遠(yuǎn)的人生之海，等待你的挑戰(zhàn)！

瞧，你的學(xué)習(xí)成績不是很好嘛！袁斌和你比真是天差地別，他是個無賴，以干壞事出名，不要跟他賭氣，放開點兒吧，朋友。

那艘船仍行駛在生活之海中，忽然，海上刮起一陣風(fēng)，掀起的浪花搖動著船身，原來勇敢的你被風(fēng)的巨大和海的氣魄所壓抑，你又一次停止了行進(jìn)……

王超是班上有名的“傻蛋”，眼睛一大一小，身上有股狐臭，是班中的“臭屁精”。你，是班上的“諸葛亮”，學(xué)習(xí)甭說，身體也不錯，就是喜歡和人對峙，愛把事弄得亂七八糟?？蛇@卻招來“天災(zāi)”，王超竟主動和你交手，他還有個綽號“罵人王”，你怎能和這種人接軌？？？他罵人時總把人罵個狗血淋頭，而且用魯迅的那套“罵法”罵人，把人罵哭了，還說他（她）是鱷魚眼淚，我看他把學(xué)習(xí)的力氣都用在罵人上了！你準(zhǔn)備戰(zhàn)斗，上課時，他輕輕地罵你，你馬上重重地反擊，卻被教師叫住，說‘上課不許交頭接耳’，你冤啊，很冤?。。?！卻是啞巴吃黃連——有苦難言。其實，你也有錯，這能怪誰呢？你為什么不能控制自己呢？這也是一個生活插曲，一個小小的挫折，你挺過去了。

海上風(fēng)停了，浪退了，金黃的太陽射出萬丈光芒，你又哼著歌兒遠(yuǎn)行！你知道前面還會有暗礁，有旋渦，但我相信你定會有勇氣闖過去，去迎接光輝燦爛的明天！

祝你：

快樂，永遠(yuǎn)快樂！

你的朋友：影子

篇4

關(guān)鍵詞：數(shù)據(jù)挖掘；簇；聚類算法

中圖分類號：TP301.6文獻(xiàn)標(biāo)識碼：A文章編號：1672-7800（2012）010-0033-03

基金項目：湖南省大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實驗計劃項目（JSU-CX-2011-28）

作者簡介：張露（1991-），女，吉首大學(xué)軟件服務(wù)外包學(xué)院學(xué)生，研究方向為計算機(jī)科學(xué)；張彬連（1978-），女，吉首大學(xué)軟件服務(wù)外包學(xué)院講師，研究方向為計算機(jī)科學(xué)。

0引言

隨著信息和科學(xué)技術(shù)的高速發(fā)展，各行業(yè)積累的數(shù)據(jù)量迅速增長，而更重要的是如何從大量的、不完全的數(shù)據(jù)中提取出有用的信息。而在數(shù)據(jù)挖掘中充當(dāng)重要角色的就是聚類，它在識別數(shù)據(jù)的內(nèi)在結(jié)構(gòu)方面具有獨到的作用。而數(shù)據(jù)挖掘工具以及工具提供的可選擇的算法是實現(xiàn)數(shù)據(jù)挖掘目的的墊腳石。數(shù)據(jù)的類型、聚類的目的應(yīng)用決定了選擇哪一類聚類算法，其中聚類是把物理或者抽象對象分組成為由類似對象構(gòu)成的多個簇的過程，即把數(shù)據(jù)對象分成多個類或簇，在同一個簇中的對象具有較高的相似度，而不同簇中的對象差異較大。它對未知數(shù)據(jù)的分析和劃分能起到非常有效的作用。此外，通過聚類，能夠識別密集和稀疏的區(qū)域，發(fā)現(xiàn)全局的分布模式，以及數(shù)據(jù)屬性之間的相互關(guān)系等。為了找到效率高、通用性強(qiáng)的聚類方法，人們從不同角度提出了許多種聚類算法，大致可分為層次方法、劃分方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法這五大類。

1典型聚類算法分類及其優(yōu)缺點分析

1.1基于劃分的聚類算法

首先，給定一個樣本為n的數(shù)據(jù)集，然后根據(jù)給定要創(chuàng)建劃分的數(shù)目k，將數(shù)據(jù)劃分為k個組（kn），每個組相應(yīng)地表示一個簇，同時滿足以下的條件：①每個組至少包含一個樣本；②每個樣本屬于且僅屬于一個簇。算法要事先給出要創(chuàng)建的劃分的數(shù)目k，創(chuàng)建一個初始劃分，然后采用循環(huán)定位技術(shù)，通過根據(jù)簇類之間的差異把對象從一個劃分移動到另一個劃分的方法來改善劃分質(zhì)量。評價劃分的好壞的標(biāo)準(zhǔn)一般是在同一個類中的對象盡可能“接近”，而不同類中的對象盡可能“遠(yuǎn)離”。為達(dá)到全局最優(yōu)的目的，基于劃分的聚類會要求窮舉所有可能的劃分。其中包括以下典型的劃分方法：k-平均、k-中心點、CLARA、CLARANS等。

1.1.1基于簇的重心技術(shù)：k-平均算法

（2）k-平均算法的優(yōu)缺點：①優(yōu)點：當(dāng)滿足結(jié)果簇是緊湊的，并且簇與簇之間明顯分離式的前提條件，k-平均算法能發(fā)揮較好的效果，而且在處理大數(shù)據(jù)集時，是有相對可伸縮的和有效率的；②缺點：該算法有其限制條件，只有在簇的平均值被定義的基礎(chǔ)上才能使用，這就使得可能不適應(yīng)某些應(yīng)用的數(shù)據(jù)，要求用戶必須事先給出k的取值。在大部分實際應(yīng)用中，最終的聚類數(shù)量并不能得到一個確切的數(shù)目，且該算法遇到非凸面形狀的簇，或者遇到在大小上存在很大差別的簇時，聚類效果不明顯。而且，它對于帶有“噪聲”的空間數(shù)據(jù)和離群數(shù)據(jù)是敏感的。該算法經(jīng)常止于局部最優(yōu)。

1.1.2基于有代表性的對象的技術(shù)：k-中心點方法

1.1.3基于選擇的k-中心點CLARANS方法

（1）CLARANS方法的處理流程：首先，不考慮整個數(shù)據(jù)集合，用實際數(shù)據(jù)的抽樣來作為數(shù)據(jù)的樣本；然后，用PAM方法從樣本中選擇中心點；返回最好的聚類結(jié)果作為輸出。

（2）CLARANS方法的優(yōu)缺點：①優(yōu)點：該算法的效率較高，能夠發(fā)現(xiàn)最“自然的”結(jié)果簇數(shù)目，且能夠檢測離群點，且相應(yīng)地拓展了數(shù)據(jù)處理量的伸縮范圍；②缺點：該方法的聚類質(zhì)量對采取的抽樣方法依賴性強(qiáng)，且最中心點的要求較高。而且對于大數(shù)據(jù)量、時間復(fù)雜度和空間復(fù)雜度都很大。

1.2基于層次的聚類算法

根據(jù)樹的形成過程，層次分解的方向的不同可以分為以下兩種類型：

（1）自底向上（凝聚）聚類方法。該方法一開始將每個對象作為單獨的一個組，然后繼續(xù)與相近的對象或組合并，直到所有單獨的組都被合并，成為一個整體，或者達(dá)到一個終止條件。

（2）自頂向下（分裂）聚類方法。與凝聚法相反，該策略先將所有對象置于一個簇中，在迭代的每一步中，在一個簇的基礎(chǔ)上分裂為更小的簇，直到最終每個單獨的簇中包含一個對象，或者達(dá)到一個終止條件。下面介紹其代表算法。

1.2.1BIRCH算法

（1）BIRCH算法包括階段：階段一是BIRCH掃描數(shù)據(jù)庫，建立初始化的CF樹，嘗試把數(shù)據(jù)內(nèi)在的聚類結(jié)構(gòu)保留下來；階段二是BIRCH算法采用某個聚類算法對CF樹的葉節(jié)點進(jìn)行聚類。

（2）BIRCH算法的優(yōu)缺點：①優(yōu)點：引入的聚類特征樹概括了聚類的有用信息，且占用空間較元數(shù)據(jù)集合小，只需要一次性訪問數(shù)據(jù)庫，速度快，伸縮性好，對增量或動態(tài)聚類也非常有效，不需要大量遞歸運(yùn)算。②缺點：由于CF樹每個節(jié)點的大小受限制，并不總是對應(yīng)于用戶所認(rèn)為的一個自然聚類，而且算法的工作效率依賴于簇的球形要求。

1.2.2CURE算法

（1）CURE算法工作原理：選擇了屬于聚合方法和分解的中間做法。選擇數(shù)據(jù)空間中具有代表性的點。且在選擇簇中分散的對象中產(chǎn)生一個簇的代表點，然后根據(jù)一個特定的分?jǐn)?shù)或者收縮因子向簇心“收縮”或移動它們。

（2）CURE算法優(yōu)缺點：①優(yōu)點：能識別非球狀以及大小不一的聚類，能更好地處理孤立點。對于大型的數(shù)據(jù)庫，它也具有良好的伸縮性，且不影響聚類的質(zhì)量；②缺點：聚類結(jié)果容易受到參數(shù)設(shè)置的影響，且CURE算法對分類屬性不進(jìn)行處理工作。

1.3基于密度的聚類算法

基于密度的聚類算法并不是基于各種各樣的距離而是基于密度的。這樣就能克服基于距離的算法只能發(fā)現(xiàn)“圓形”類的缺點，它可以發(fā)現(xiàn)任意形狀類的聚類結(jié)果。該方法的思想就是，只要一個區(qū)域中的點的密度大于某個閾值，就把它加到與之相近的聚類中。以下介紹其代表算法DBSCAN算法和OPTICS算法。

1.3.1DBSCAN算法

（1）DBSCAN算法思想：首先通過檢查數(shù)據(jù)庫中每個點的ε-鄰域內(nèi)的鄰居點數(shù)衡量改點所在空間的密度。來尋找聚類。如果一個點p的ε-鄰域名超過某個指定閾值MinPts個點，則建一個新簇以p作為核心對象，然后再反復(fù)地尋找從這些核心對象直接密度可達(dá)的對象，當(dāng)沒有新的點可以被添加時，該過程即結(jié)束。

（2）DBSCAN算法優(yōu)缺點：①優(yōu)點：能夠把具有足夠高密度的區(qū)域劃分為簇，對帶有“噪聲”的空間數(shù)據(jù)比較敏感，可以發(fā)現(xiàn)任意形狀的聚類；②缺點：參數(shù)的設(shè)置難以確定，對參數(shù)值是非常敏感的，容易導(dǎo)致誤差很大的聚類結(jié)果，且全局密度參數(shù)不能刻畫其內(nèi)在的聚類結(jié)構(gòu)。

1.3.2OPTICS算法

（1）OPTICS算法思想：采用影響函數(shù)，即用一個數(shù)字函數(shù)來形式化地模擬每個數(shù)據(jù)點的影響；所有數(shù)據(jù)點的影響函數(shù)的總和可以由數(shù)據(jù)空間的整體密度模型化得到；可以通過確定密度吸引點來得到聚類，且此時全局密度函數(shù)在密度吸引點達(dá)到局部最大。

（2）OPTICS算法優(yōu)缺點：①優(yōu)點：該算法的數(shù)據(jù)基礎(chǔ)非常堅實，并且概括了其他的聚類算法；其良好的聚類特性在處理有大量“噪聲”的數(shù)據(jù)集合時充分體現(xiàn)出來了；提供了簡單而有效的數(shù)學(xué)技術(shù)給高維數(shù)據(jù)集合的任意形狀的聚類；速度較快；②缺點：聚類結(jié)果會容易受到密度參數(shù)和噪聲閾值等參數(shù)的影響。

1.4基于網(wǎng)格的聚類算法

基于網(wǎng)格的聚類方法采用的數(shù)據(jù)結(jié)構(gòu)是一個多分辨率的網(wǎng)格。它將數(shù)據(jù)空間分為有限數(shù)目的單元，形成網(wǎng)結(jié)構(gòu)，所有的處理對象是單個的數(shù)據(jù)單元，這種處理方法與目標(biāo)數(shù)據(jù)庫中記錄的個數(shù)并不存在很大的關(guān)系。以下介紹其中的STING算法。

（1）STING算法工作原理：STING是一種基于網(wǎng)格的多分辨率聚類技術(shù)，它將空間區(qū)域劃分為矩形單元，通常存在多個級別的矩形單元，這些單元形成了一個層次結(jié)構(gòu)：高層的每個單元由多個低一層的單元組成，且事先計算和存儲關(guān)于每個網(wǎng)格單元屬性的統(tǒng)計信息，在查詢處理時就能使用這些統(tǒng)計參數(shù)，達(dá)到不一樣的效果。

（2）STING算法優(yōu)缺點：①優(yōu)點：基于網(wǎng)格的計算與查詢是相對獨立的；在處理數(shù)據(jù)和增量更新方面能夠更加方便；效率較高；②缺點：最底層的粒度影響算法的質(zhì)量，且該算法在構(gòu)建一個父單元時，忽略了子單元與相鄰單元間的關(guān)系，導(dǎo)致結(jié)果簇的形狀的邊界不穩(wěn)定。

1.5基于模型的聚類算法

基于模型的聚類算法嘗試優(yōu)化給定的數(shù)據(jù)和某些數(shù)學(xué)模型之間的適應(yīng)性，是基于“數(shù)據(jù)是根據(jù)潛在的概率分布生成的”這一假設(shè)而提出的。該方法主要包括統(tǒng)計學(xué)方法和神經(jīng)網(wǎng)絡(luò)方法這兩大類。以下介紹其中的COBWEB算法。

（1）COBWEB算法工作原理：COBWEB算法采用分類屬性-值對來描述其輸入對象，以一個分類樹的形式來構(gòu)造層次聚類，并且在啟發(fā)式估算度量方法以及分類效用的指導(dǎo)下開展樹的構(gòu)建工作。

（2）COBWEB算法優(yōu)缺點：①優(yōu)點：對劃分過程中類的數(shù)目能自動修正，不需要用戶提供這樣的輸入?yún)?shù)，可以找到分類對象的最好結(jié)點；②缺點：該算法基于的“每個屬性上的概率分布式彼此獨立的”假設(shè)不總是成立的；更新和存儲聚類代價相當(dāng)高，可能導(dǎo)致時間和空間復(fù)雜性發(fā)生劇烈的變化。

2結(jié)語

分層聚類的突出亮點是它能夠生成比較規(guī)整的類集合，聚類結(jié)果不依賴元素的初始排列或輸入次序，與聚類過程的先后次序并沒有直接的關(guān)系，聚類結(jié)果相對穩(wěn)定，不易導(dǎo)致類的重構(gòu)。但它也存在著部門缺點，如計算開銷較大，對異常數(shù)據(jù)比較脆弱。劃分聚類的優(yōu)點是運(yùn)算量小，能運(yùn)用于處理龐大的樣本數(shù)據(jù)，也為實時處理提供了一定的可能性。但要求用戶必須預(yù)先給出聚類的參數(shù)，還要靠度量函數(shù)來判定所給出解的優(yōu)劣程度。網(wǎng)格聚類處理速度快，處理時間與數(shù)據(jù)對象的數(shù)目無關(guān)，聚類時間獨立于數(shù)據(jù)規(guī)模和數(shù)據(jù)次序，伸縮性極好。缺點是只能發(fā)現(xiàn)邊界是水平或垂直的聚類，不能檢測到斜邊界，也不適用于高維情況，并存在量化尺度的問題。密度聚類多用于時空信息處理、消除奇異值，并且可以在帶有“噪聲”的空間數(shù)據(jù)庫中發(fā)現(xiàn)形狀任意、個數(shù)不定的聚類，適合大型、高維數(shù)據(jù)集等方面具有較好的特性。對于所提到的上述聚類算法，可以從可伸縮性、處理不同類型屬性的能力、發(fā)現(xiàn)任意形狀的簇、處理噪聲數(shù)據(jù)的能力、對輸入順序的敏感性、處理高維數(shù)據(jù)的能力、需要決定的輸入?yún)?shù)最少以及對輸入記錄順序不敏感這些方面來進(jìn)行比較分析，以更好地了解這些聚類算法。

參考文獻(xiàn)：

[1]HUANGZX，MICHAELK.Anoteonk-modesclustering[J].JournalogClassification，2003（2）.

[2]PELLEGD，MOOREA.X-meansextendingk-meanswithefficientestimationofthenumberoftheclusters[C].Proceedingsofthe17thIC-ML，2000.

[3]ERTOZL，STEINBACHM，KUMARV.Findingclustersofdifferentsizes，shapesanddensitiesinnoisy，highdinensionaldata[R].MinneapolisUniversityofMinnesota，2002.

[4]MARQUESJP，WRITTEN，WUYF，etal.PatternRecognitionConcepts，MethodsandApplications（2nded）[M].Beijing：TsinghuaUniversityPress，2002.

[5]DHILONI.Co-clusteringDocumentsandwordsusingbipartitespec-tralgraphpartitioning[C].SanDiegaProceedingsofthe7thACMSIGKDD，2001.

[6]SAMBASIVAMS，THEODOSOPOULOSN.AdvanceddataclusteringminingWebdocuments[J].IssuesinInformingScienceandInformationTechnology，2006（3）.

[7]NANNIM，PEDRESCHID.Time-Focusedclusteringoftrajectoriesofmovingobjects[J].JournalofIntelligentInformationSystems，2006（3）.

[8]BIRANTD，KUTA.ST-DBSCAN：ANalgorithmforclusteringspatial-temporaldata[J].Data&KnowledgeEngineering，2007（1）.

[9]CRISTOFORD，SINOVICIDA.Aninformation-theoreticalapproachtoclusteringcategoricaldatabasesusinggeneticalgorithms[C].ArlingtonThe2ndSIAMICDM，WorkshoponClusteringHighDinen-sionalData，2001.

篇5

眼淚的成語

1、淚眼汪汪 熱淚盈眶 嚎天動地 飲恨吞聲

2、號G大哭 喜極而泣 淚如泉滴 街號巷哭

3、鬼哭狼嗥 牛農(nóng)對泣 痛哭流涕 呼天喚地

4、泣下沾襟 淚如泉涌 涕淚交流 涕淚交零

5、哭天抹淚 催人淚下 嚎天喊地 泣不成聲

6、涕泗交頤 泣涕如雨 觸目慟心 鬼哭神驚

7、號啕大哭 神愁鬼哭 鬼抓狼嚎 涕淚交加

8、淚如雨下 抱頭大哭 淚流滿面 以淚洗面

9、聲淚俱下 淚迸腸絕 擂天倒地 啼天哭地

10、行號巷哭 淚下如雨 老淚縱橫 鳥哭猿啼

11、死聲G氣 鬼哭天愁 行號臥泣 枕戈泣血

12、呼天號地 潸然淚下 凄然淚下 梨花帶雨

13、淚干腸斷 嗚嗚咽咽 神號鬼泣 涕淚交垂

14、涕淚交集

眼淚的成語解釋

1、潸然淚下：潸然：流淚的樣子。形容眼淚流下來。

2、感激涕泗：涕：眼淚；泗：鼻涕。感激得掉下眼淚。形容極度感激。

3、眼淚洗面：淚流滿面。形容極端悲痛。

4、愁眉淚眼：皺著眉頭，掉下眼淚。形容愁苦悲傷的樣子。

5、飲血崩心：血：血淚；飲血：形容極度悲憤。血淚滿面，心為之碎。形容極度悲痛。

6、涕零如雨：涕零：流淚。眼淚象雨水一樣往下淌。形容思念的感情極深。

7、凄然淚下：凄然：寒涼。形容凄涼悲傷。

8、血淚斑斑：血與淚俱在實證物。

9、吞聲忍淚：形容強(qiáng)忍悲傷。

10、吞聲飲淚：吞聲：咽下哭聲；飲淚：忍住淚水。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

11、一副急淚：指為了對付應(yīng)急需要而驟然擠出來的一串眼淚。

12、涕淚交下：鼻涕眼淚同時流下，形容極度哀痛。同“涕淚交零”。

13、鱷魚眼淚：鱷魚：一種生性兇殘，捕食人、畜的爬行動物。傳說鱷魚在吞食人畜時，邊吃邊流眼淚。比喻惡人的假慈悲。

14、熱淚盈眶：盈：充滿；眶：眼眶。因感情激動而使眼淚充滿了眼眶，形容感動至極或非常悲傷。

15、雨泣云愁：淚下如雨，愁多如云。形容憂愁深重。

16、淚迸腸絕：指悲痛得淚涌腸斷。

17、泣數(shù)行下：眼淚接連不斷的往下掉。形容非常悲傷。

18、愴然淚下：愴然：傷感的樣子。傷感地流淚不止。形容非常悲痛。

19、慟哭流涕：慟：哀痛；涕：眼淚。形容極其悲痛傷心。

20、涕淚交零：鼻涕眼淚同時流下，形容極度哀痛。

21、涕泗流漣：鼻涕眼淚直往下流。形容痛哭流涕。

22、涕泗縱橫：眼淚鼻涕滿臉亂淌。形容極度悲傷。同“涕泗橫流”。

23、淚眼汪汪：汪汪：滿眼淚水的樣子。兩眼充滿淚水。

24、涕淚交加：猶涕淚交零。

25、涕泗交下：眼淚鼻涕一起流下。形容痛哭的樣子。同“涕泗交流”。

26、泣下如雨：眼淚象雨一樣。形容傷心到極點。

27、流涕痛哭：涕：眼淚。形容傷心到極點。

28、奪眶而出：眶：眼眶。眼淚一下子從眼眶中涌出。形容人因極度悲傷或極度歡喜而落淚。

29、涕泗滂沱：滂沱：雨下得很大。雨下得很大的樣子。形容哭得很厲害，眼淚鼻涕象下雨一樣。

30、淚如泉滴：形容觸動傷心事，眼淚象泉水一樣流出。

31、潸然淚下：潸然：流淚的樣子。形容淚流不止。

32、濕哭干啼：濕哭：有眼淚地啼哭；干啼：沒有眼淚地啼哭。形容哭哭啼啼的樣子。也泛指因苦楚而呈現(xiàn)出的各種表情。

33、揮涕增河：抹下來的眼淚可以增添河水的分量。比喻行為對個人有損而對國家也無所補(bǔ)益。

34、哭天抹淚：形容哭哭啼啼。

35、涕淚交垂：鼻涕眼淚同時流下，形容極度悲哀。

36、淚出痛腸：痛遙：傷痛的內(nèi)心。指因心里難過而流出了眼淚。

37、淚如泉涌：眼淚象泉水一樣直往外涌。形容悲痛或害怕之極。

38、干啼濕哭：干啼：沒有眼淚地啼哭；濕哭：有眼淚地啼哭。形容哭哭啼啼的樣子。也泛指因苦楚而呈現(xiàn)出的各種表情。

39、淚干腸斷：形容傷心到極點。

40、泣涕如雨：泣：低聲哭；涕：鼻涕。眼淚像雨一樣。形容極度悲傷。

41、吞聲忍泣：吞聲：咽下哭聲；忍泣：忍住淚水。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

42、涕泗橫流：眼淚鼻涕滿臉亂淌。形容極度悲傷。

43、愴然涕下：愴然：傷感的樣子；涕：眼淚。傷感地流淚不止。形容非常悲痛。

44、涕淚交流：鼻涕眼淚同時流下，形容極度哀痛。同“涕淚交零”。

45、奪眶而出：奪：用力沖開；眶：眼的四周。指眼淚無法控制地從眼里流出，形容心情非常激動。

46、垂涕而道：涕：眼淚，鼻涕；道：講。流著眼淚說話。形容十分沉痛地懇切陳詞。

47、悲愁垂涕：垂：垂下。涕：淚。因為悲哀、愁苦而落淚。

48、催人淚下：催：催促，促使。形容事跡十分感人，使人不禁流下眼淚。

49、破涕為歡：涕：眼淚。一下子停止了哭泣，露出笑容。形容轉(zhuǎn)悲為喜。

50、愁眉淚眼：愁眉：緊皺眉頭。皺著眉頭，掉下眼淚。形容愁苦悲傷的樣子。

51、催人淚下：催：催促，促使。形容事跡等十分感人，使人不禁流下眼淚。

52、涕泗交頤：眼淚鼻涕流滿臉頰。形容哀慟哭泣。

53、斷線珍珠：比喻眼淚像斷了線的珍珠一般紛紛落下。

54、吞聲飲泣：吞聲：咽下哭聲；飲泣：忍住淚水。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

55、忍淚含悲：忍著眼淚，含著悲痛。形容勉強(qiáng)克制著悲傷。

56、感極涕零：感激之極而流下眼淚。形容極為感激。

57、涕泗交流：眼淚鼻涕一起流下。形容痛哭的樣子。

58、垂涕而道：涕：鼻涕，眼淚。流著眼淚說話。比喻十分沉痛地懇切陳詞。

59、感激流涕：涕：眼淚。感激得掉下眼淚。形容極度感激。

60、柔腸粉淚：指女子柔弱的心腸和含情的眼淚。形容女性的纏綿情意。

61、一字一淚：一個字就仿佛是一滴眼淚。形容文字寫得凄楚感人。亦作“一言一淚”。

62、飲泣吞聲：泣：無聲的哭；吞聲：不敢出聲。眼淚只能往肚里流，不敢哭出聲來。形容忍受痛苦，不敢公開表露。

63、肚里淚下：眼淚往肚里流。形容有苦說不出。

64、淚下如雨：淚水如同雨水一樣流下來，形容十分悲傷。

65、噫嗚流涕：噫嗚：哭聲。噫噫嗚嗚哭著流淚。

66、淚河?xùn)|注：眼淚似向東的的河流一樣。比喻人極度悲痛。

67、愁眉淚眼：皺著眉頭，含著眼淚。形容悲苦的樣子。

68、抹淚揉眵：眵：眼屎，此指眼睛。擦著眼淚，揉著眼睛。形容落淚傷心的樣子。

69、淚下如雨：眼淚象雨水似的直往下流。形容悲痛或害怕之極。

70、以淚洗面：拿眼淚來洗臉。形容極度憂傷悲痛，終日流淚。

71、拋珠滾玉：拋：拋擲。形容眼淚如同珠玉般滾落。

72、揉眵抹淚：眵：眼屎，此指眼睛。擦著眼淚，揉著眼睛。形容落淚傷心的樣子。

73、涕淚交集：眼淚和鼻涕一起流著。形容悲痛到了極點。亦作“涕淚交加”。

74、聲淚俱下：一邊說一邊哭。形容極其悲慟。

75、淚如雨下：眼淚象雨水似的直往下流。形容悲痛或害怕之極。

76、眼淚汪汪：眼中飽含淚水。形容人十分激動或悲痛。

77、飲泣吞聲：飲泣：忍住淚水；吞聲：咽下哭聲。眼淚只能往肚里流，不敢哭出聲來。形容受壓迫時，忍受痛苦，不敢公開表露。

78、血淚盈襟：血淚：悲痛的眼淚；盈：滿。眼淚流濕了衣襟。形容非常悲痛。

79、破涕為笑：涕：眼淚。一下子停止了哭泣，露出笑容。形容轉(zhuǎn)悲為喜。

80、痛哭流涕：涕：眼淚。形容傷心到極點。

篇6

【關(guān)鍵詞】拉米夫定；替比夫定；恩替卡韋；HBeAg定量；療效

【中圖分類號】R512 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1004-7484（2014）02-0704-02

抗病毒治療是慢性乙型肝炎（chronic hepatitis B，CHB）治療的關(guān)鍵，應(yīng)用核苷類似物抗病毒治療，有作用快，不良反應(yīng)少，服用方便的優(yōu)點，目前應(yīng)用核苷類似物治療慢性乙型肝炎的患者為數(shù)眾多。但核苷類似物普遍存在只能抑制病毒復(fù)制，未達(dá)到血清學(xué)轉(zhuǎn)換不能停藥，長期使用還有出現(xiàn)病毒變異和耐藥的風(fēng)險，因此尋找恰當(dāng)?shù)呐R床監(jiān)測指標(biāo)預(yù)測療效，[1-2]并根據(jù)患者應(yīng)答反應(yīng)及時調(diào)整治療方案是目前慢性乙型肝炎患者抗病毒治療的熱點和難點問題。我們選擇我院66例服用核苷類似物治療的HBeAg陽性的慢性乙型肝炎患者，觀察治療過程中HBeAg、HBVDNA定量的變化，發(fā)現(xiàn)可以根據(jù)HBeAg的變化來預(yù)測核苷類似物的療效?，F(xiàn)將有關(guān)內(nèi)容報告如下：

1 材料與方法

病例來源2010年1月至2012年12月門診及住院的66例HBeAg陽性慢性乙型肝炎患者，男45例，女21例，年齡18-36歲，中位年齡為25歲，診斷符合2010年修訂的《慢性乙型肝炎防治指南（2010年版）》診斷標(biāo)準(zhǔn)（3），排除甲型肝炎（HAV）、丙型肝炎（HCV）、戊型肝炎（HEV）、人類免疫缺陷病毒（HIV）等其他病毒感染，既往未應(yīng)用抗病毒治療及免疫調(diào)節(jié)劑。66例患者分為三組，應(yīng)用拉米夫定治療的36人，替比夫定18人，恩替卡韋治療的12人，三組患者的性別、年齡差異無統(tǒng)計學(xué)意義。

治療方法 拉米夫定 （賀普丁，葛蘭素史克制藥（蘇州）有限公司） 100 mg，每日1次口服，替比夫定（素比伏，北京諾華制藥有限公司）600 mg，每日1次口服，恩替卡韋（博路定，中美上海施貴寶制藥有限公司 ）0.5 mg，每日1次口服， 根據(jù)患者肝功能情況適當(dāng)應(yīng)用保肝藥物，ALT > 5倍正常值應(yīng)用甘草酸二銨注射液250 ml靜脈滴注每日1次，肝功能好轉(zhuǎn)改為甘草酸二銨腸溶膠囊口服100毫克每日3次，肝功正常再減量為100毫克日2次鞏固2周停服保肝藥物；ALT < 5倍正常值應(yīng)用甘草酸二銨腸溶膠囊口服150毫克，每日3次，肝功能好轉(zhuǎn)后減量為100毫克，每日3次，肝功正常再減量為100毫克，每日2次，鞏固2周停保肝藥物?？共《局委煏r間觀察至2年。

檢測方法 使用促凝管抽取5 ml靜脈血，立即分離血清，置于2～8 ℃ 保存。HBV DNA定量采用聚合酶鏈反應(yīng)（PCR-熒光探針法）（深圳市匹基生物工程有限公司生產(chǎn)的乙型肝炎病毒核酸擴(kuò)增熒光定量檢測試劑盒），檢測下限為500拷貝/ml。HBeAg定量采用化學(xué)發(fā)光法（LiCA）（博陽生物科技有限公司生產(chǎn)的儀器及配套試劑），HBeAg檢測范圍為0～65 PEIU/ml。

觀察指標(biāo) 觀察三組治療前、治療24周、52周、72周、104周的HBeAg、 HBVDNA定量，分析早期HBeAg定量的變化與耐藥發(fā)生的相關(guān)性，預(yù)測遠(yuǎn)期療效。

療效評價 72周時，HBV DNA低于檢測下限并HBeAg消失或血清學(xué)轉(zhuǎn)換為有效，否則為無效，72周內(nèi)再次出現(xiàn)HBV DNA高于檢測下限為病毒學(xué)突破

統(tǒng)計學(xué)方法 應(yīng)用SPSS 13.0軟件分析，計量資料以 ± s表示，組間采用t檢驗進(jìn)行比較，P < 0.05為差異有統(tǒng)計學(xué)意義。

結(jié)果：拉米夫定組、恩替卡韋組未見明顯不良反應(yīng)，替比夫定組有4例出現(xiàn)肌酸激酶增高，其中一例CK最高達(dá)1025u/L，均無明顯肌肉酸痛，囑其減少運(yùn)動量并密切觀察，未予停藥， 2周后化驗CK下降，之后定期檢測CK未再出現(xiàn)明顯增高情況。66例患者中有效25例，無效41例，24周內(nèi)所有患者HBV DNA轉(zhuǎn)陰，未發(fā)現(xiàn)有原發(fā)耐藥病例，隨訪至104周，后期HBeAg變化不顯著，病毒耐藥病例未有增多。

篇7

關(guān)鍵詞：CDIO；E-learning；藝術(shù)設(shè)計

檢索：.cn

中圖分類號：J0 文獻(xiàn)標(biāo)志碼：A 文章編號：1008-2832（2016）04-0130-03

一、引言

在藝術(shù)設(shè)計類教學(xué)的實際培養(yǎng)中，大多數(shù)高校的藝術(shù)設(shè)計類專業(yè)教育仍舊是傳統(tǒng)的學(xué)科式教學(xué)模式，缺乏教學(xué)策略的運(yùn)用及必要的工程實踐指導(dǎo)。在藝術(shù)設(shè)計領(lǐng)域，面對激烈的競爭壓力，這些未來的藝術(shù)設(shè)計從業(yè)者必須具備較強(qiáng)的自主創(chuàng)新和工程實踐能力，才能滿足市場需求，在競爭中取得一席之地。E-Learning是英文electronic-Learning的縮寫，從字面上可以理解為電子化學(xué)習(xí)、數(shù)字化學(xué)習(xí)或網(wǎng)絡(luò)化學(xué)習(xí)。E-Learning這種基于多媒體網(wǎng)絡(luò)技術(shù)的學(xué)習(xí)方式能夠彌補(bǔ)傳統(tǒng)教學(xué)手段的缺點，給學(xué)生提供寬廣的、富有創(chuàng)意的學(xué)習(xí)空間，有效地促進(jìn)了傳統(tǒng)被動式學(xué)習(xí)觀向主動式學(xué)習(xí)觀的轉(zhuǎn)變。

在現(xiàn)代媒體環(huán)境下，通過E-Learning教學(xué)模式結(jié)合CDIO工程教育理念，可以將藝術(shù)設(shè)計類課程教與學(xué)的功效進(jìn)一步提高。CDIO工程教育模式是近年來國際工程教育改革的最新成果。其經(jīng)由美國麻省理工學(xué)院和瑞典皇家工學(xué)院等四所大學(xué)經(jīng)過四年研究探索創(chuàng)立形成。CDIO代表構(gòu)思（Conceive）、設(shè)計（Design）、實施（Implement）、運(yùn)行（Operate），其繼承和發(fā)展了歐美20多年以來的工程教育改革的理念，提出了系統(tǒng)的能力培養(yǎng)、全面的實施指導(dǎo)以及實施過程和結(jié)果檢驗標(biāo)準(zhǔn)，以現(xiàn)代工業(yè)產(chǎn)品從構(gòu)思、設(shè)計、實現(xiàn)、運(yùn)行的全過程為載體，使學(xué)生能夠主動的、實踐的進(jìn)行藝術(shù)設(shè)計類課程的學(xué)習(xí)，為高等院校培養(yǎng)藝術(shù)設(shè)計專業(yè)領(lǐng)域?qū)嵺`創(chuàng)新人才提供了指南和實施方向。

二、E-learning教學(xué)模式的優(yōu)勢

與傳統(tǒng)教學(xué)模式相比，E-learning的特點主要表現(xiàn)在時間的終身化、空間的網(wǎng)絡(luò)化、主體的個性化、內(nèi)容的整合化及交往的平等化。E-learning整合了多媒體教學(xué)、遠(yuǎn)程教學(xué)及虛擬教學(xué)等多種教學(xué)模式，不僅為培養(yǎng)學(xué)生的創(chuàng)造能力、創(chuàng)新精神和信息素養(yǎng)提供了良好條件，也為創(chuàng)造思維培養(yǎng)提供了有利的創(chuàng)造性環(huán)境。這種全新的教學(xué)模式與同傳統(tǒng)局限于課堂的教學(xué)方式相比，存在以四大下優(yōu)勢，是對傳統(tǒng)的藝術(shù)設(shè)計教學(xué)結(jié)構(gòu)和教學(xué)模式的巨大變革：

（一）教學(xué)資源的網(wǎng)絡(luò)化

眾所周知，網(wǎng)絡(luò)是開放的系統(tǒng)，擁有豐富的教學(xué)資源，這對藝術(shù)設(shè)計專業(yè)的學(xué)生來說尤其重要。學(xué)生可以通過網(wǎng)絡(luò)獲取圖、文、聲、像兼?zhèn)涞慕虒W(xué)資源。例如，多媒體視頻技術(shù)和音頻技術(shù)，可以達(dá)到影視設(shè)計方向?qū)W生對聲像顯示效果的要求；多媒體計算機(jī)的交互性可以滿足網(wǎng)站設(shè)計課程對交互實踐的需求。在開放的學(xué)習(xí)資源中，有直接針對藝術(shù)設(shè)計教育的創(chuàng)造思維培養(yǎng)內(nèi)容，也有與藝術(shù)設(shè)計學(xué)科緊密相關(guān)，同時蘊(yùn)涵創(chuàng)新思維啟發(fā)的內(nèi)容。豐富的網(wǎng)絡(luò)資源對于開闊藝術(shù)設(shè)計類學(xué)生視野，積累豐富的素材空間也具有重要作用。

（二）教學(xué)資源的即時性

在藝術(shù)設(shè)計教學(xué)領(lǐng)域，教學(xué)資源的時效性尤為重要，設(shè)計作品或產(chǎn)品需實時體現(xiàn)本設(shè)計領(lǐng)域新潮流、新動向，能夠解決行業(yè)內(nèi)的新問題、新情況。通過E-learning教學(xué)模式可以將“時效性資源”進(jìn)行開發(fā)和整合，使教學(xué)更具時代性和時效性，多途徑促進(jìn)學(xué)生創(chuàng)造思維的增長，且與時俱進(jìn)。

（三）相對自由的學(xué)習(xí)模式

相對于傳統(tǒng)的教學(xué)模式，學(xué)生企盼著適合他們需求的學(xué)習(xí)時間表和解決方案。而網(wǎng)絡(luò)作為教學(xué)的工具、媒介可以突破時間、地域的限制，使學(xué)生可以方便地在任意時間、地點隨時接入課程更有效率的進(jìn)行學(xué)習(xí)。另外，從宏觀的角度來說，這種自由的學(xué)習(xí)模式也可以節(jié)約資源，擴(kuò)大教育覆蓋層面。

（四）群體協(xié)作的學(xué)習(xí)模式

E-learning能更加方便教與學(xué)很多方面活動的展開，包括課程更新、小組討論、同伴協(xié)作、師生接觸等。學(xué)習(xí)共同體（LearningCommunity）是學(xué)生根據(jù)特定的學(xué)習(xí)目的，在溝通、交流，分享資源的過程中，共同完成學(xué)習(xí)任務(wù)的載體。在E-learning環(huán)境中，這種學(xué)習(xí)共同體對創(chuàng)造思維教學(xué)具有重要意義。其既可以強(qiáng)化學(xué)生的社會功能，滿足學(xué)習(xí)者在團(tuán)體中的自尊心和歸屬感，又可以引導(dǎo)資源信息交流，使學(xué)習(xí)者在團(tuán)體中與團(tuán)隊成員積極進(jìn)行交流和合作。

三、基于CDIO的E-learning藝術(shù)設(shè)計課程一體化設(shè)計

（一）模塊化的理論課授課體系

CDIO模塊化教學(xué)是高等教育出現(xiàn)的一種全新的教學(xué)模式，它改變了傳統(tǒng)的學(xué)科式獨立教學(xué)模式，教師可自主將幾門學(xué)科的專業(yè)理論知識及實際操作技能融合，以實踐項目為載體進(jìn)行模塊劃分，保證每一個實踐項目包含其相關(guān)的、可作為支撐的專業(yè)理論知識和實際操作技能模塊。結(jié)合E-learning平臺，可以將理論課程更好的模塊化，該授課體系的構(gòu)建可以使理論專業(yè)知識緊密聯(lián)系實際，從而達(dá)到學(xué)以致用的目的，并從根本上解決藝術(shù)設(shè)計專業(yè)教學(xué)中理論與實際脫離的現(xiàn)實問題，真正提高了學(xué)生的學(xué)習(xí)效率及學(xué)習(xí)效果。藝術(shù)設(shè)計專業(yè)可以將所有的專業(yè)課程分為兩大類：技能掌握類與設(shè)計理念類。其中，技能掌握類課程往往占比較大，且是課程改革的重點。因此，本文以技能掌握類課程界面設(shè)計的E-learning學(xué)習(xí)為例，將課程的理論知識分解為模塊如表1所示。

（二）項目驅(qū)動的實踐教學(xué)環(huán)節(jié)設(shè)計

藝術(shù)設(shè)計專業(yè)的學(xué)習(xí)內(nèi)容是多學(xué)科綜合知識的集結(jié)。因此，常規(guī)的課堂教學(xué)模式往往無法滿足實際教學(xué)需求，借助E-learning平臺進(jìn)行遠(yuǎn)程虛擬研討、在線指導(dǎo)能構(gòu)建實踐教學(xué)的真實環(huán)境，是對藝術(shù)設(shè)計面對面教學(xué)的一項有效的補(bǔ)充。二者融合的實踐教學(xué)環(huán)節(jié)對于藝術(shù)設(shè)計專業(yè)人才培養(yǎng)的影響十分重要。根據(jù)CDIO工程教育理念，可以就藝術(shù)設(shè)計課程實踐內(nèi)容方面進(jìn)行探索與重新設(shè)計，在課堂教學(xué)中與企業(yè)接軌引入真實項目需求。此外，教學(xué)所有的項目均為團(tuán)隊合作項目。整個過程應(yīng)明確團(tuán)隊負(fù)責(zé)人和團(tuán)隊成員的具體分工，并保證基本資源的提供以便設(shè)計順利開展。設(shè)計團(tuán)隊在項目進(jìn)行的過程中可借助網(wǎng)絡(luò)資源學(xué)習(xí)、探索并綜合運(yùn)用實踐知識，學(xué)習(xí)基本項目組織、管理能力，積極溝通交流鍛煉團(tuán)隊精神，進(jìn)而全面提升藝術(shù)設(shè)計工程實踐能力（表2）。

其中，TM（1.1）和TM（3.1）分別表示教師教授，和實踐教學(xué)。HT為提交項目成果物，ODT為提交項目作品并答辯。

（三）任務(wù)驅(qū)動的習(xí)題環(huán)節(jié)設(shè)計

習(xí)題設(shè)計是項目設(shè)計的有效補(bǔ)充，能及時檢驗學(xué)生對已完成課程各個知識點的掌握程度。本文提出了任務(wù)驅(qū)動的習(xí)題實踐環(huán)節(jié)設(shè)置。即針對特定的習(xí)題課程，教師根據(jù)習(xí)題課內(nèi)容事先布置任務(wù)。CDIO理念強(qiáng)調(diào)團(tuán)隊工作和交流，過程中可以通過Presentation的方式鼓勵學(xué)生將自己和本小組的解題思路與別人通過E-learning平臺分享，從而也鍛煉學(xué)生的溝通與表達(dá)能力。CDIO工程教育理念就是要以此全過程為載體培養(yǎng)學(xué)生的工程能力，這里不僅包括學(xué)科知識，也包括學(xué)生的個人能力、人際交流能力和產(chǎn)品建造及過程把控能力。以項目設(shè)計為主線，完整的、有銜接的貫穿于整個藝術(shù)設(shè)計本科教學(xué)階段，可以使學(xué)生系統(tǒng)地得到構(gòu)思、設(shè)計、實現(xiàn)、運(yùn)作的整體訓(xùn)練。通過項目設(shè)計可以將整個課程體系有機(jī)的、系統(tǒng)的結(jié)合起來。

（四）基于過程評價的考核體系設(shè)計

課程考核改革的創(chuàng)新點在于將傳統(tǒng)的理論考核變?yōu)樾纬尚钥己撕徒K結(jié)性考核兩個環(huán)節(jié)。其中，日?？己撕碗A段考核隸屬于形成性考核，期末考核隸屬于終結(jié)性考核。通過對整體學(xué)習(xí)過程的綜合評價，實現(xiàn)培養(yǎng)學(xué)生設(shè)計實踐能力和理論應(yīng)用能力的最終目標(biāo)。

1.形成性考核

形成性考核包括日?？己撕碗A段考核兩部分。

日?？己酥饕ㄟ^考核學(xué)生的課堂表現(xiàn)情況來考察學(xué)生的學(xué)習(xí)態(tài)度和效果。例如通過學(xué)生在口頭演講和團(tuán)隊協(xié)作等特定任務(wù)中表現(xiàn)情況，評估學(xué)生對信息的理解接收能力和觀點的表達(dá)能力。在這一過程中教師根據(jù)學(xué)生課堂表現(xiàn)情況記錄成績，未來作為總評成績的一部分。在這一過程中不僅提高了學(xué)生表達(dá)能力、協(xié)作能力，更激發(fā)了學(xué)生的創(chuàng)新思維和創(chuàng)造力。

階段考核主要考察學(xué)生實踐課的表現(xiàn)情況和實踐成果物完成情況。考核內(nèi)容主要是對階段實踐成果物完成情況的評估?？己藭r間隨實踐課進(jìn)行。每一階段實踐課結(jié)束，授課教師對學(xué)生實踐成果物以及實踐報告給予評定，并在教學(xué)手冊上記載成績。在這一過程中學(xué)生已具備基礎(chǔ)理論知識，但會遇到一些實際的困難或問題，此時教師需適時的給予指導(dǎo)。

2.終結(jié)性考核

期末考核主要考察學(xué)生對藝術(shù)設(shè)計課程綜合理解和知識的掌握?？己藘?nèi)容為本課程整個理論學(xué)期的所有授課內(nèi)容?？己诵问綖樘峤豁椖砍晒锊⒆龆嗝襟w演講（Presentation）。在這一階段，學(xué)生將在整個系統(tǒng)的構(gòu)思-設(shè)計-實施-運(yùn)行過程中發(fā)揮自己作用，進(jìn)行有效的工程實踐。

為了更好的加強(qiáng)實踐性教學(xué)環(huán)節(jié)，改善理論與實際脫節(jié)問題，改變傳統(tǒng)的考試方式，可以在E-learning平臺中注重考察學(xué)生的綜合能力和素質(zhì)，并根據(jù)CDIO工程教育標(biāo)準(zhǔn)11――學(xué)習(xí)考核，強(qiáng)調(diào)應(yīng)該考核學(xué)生在個人能力、人際交往能力，產(chǎn)品、過程和系統(tǒng)建造能力以及學(xué)科知識等方面的學(xué)習(xí)與考核。

篇8

【關(guān)鍵詞】 類風(fēng)濕關(guān)節(jié)炎；證候；BP神經(jīng)網(wǎng)絡(luò)；非線性建模

證候是一個非線性復(fù)雜系統(tǒng)，中醫(yī)證候的診斷過程，實質(zhì)上是由臨床收集到的各種癥狀，通過分析歸納，獲得證型診斷的過程，這個過程，可以看作是一個從觀察指標(biāo)到證型診斷的非線性映射過程，用非線性數(shù)學(xué)模型可以充分模擬。基于黑箱結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)具有強(qiáng)大的非線性擬合能力，能夠任意精度逼近非線性函數(shù)，因此，我們將其用于類風(fēng)濕關(guān)節(jié)炎(rehumatoid arthritis，RA)證候的非線性建模研究。

1 臨床資料

本研究采用中國中醫(yī)科學(xué)院望京醫(yī)院提供的765例RA臨床證候資料。參考《中藥新藥臨床研究指導(dǎo)原則(試行)》[1]、文獻(xiàn)整理結(jié)果及專家經(jīng)驗，制定臨床觀察表。共觀察183個癥狀、體征，每個癥狀按無、輕、中、重分別記為0、1、2、3分；并同時給出肝腎不足證、寒濕阻絡(luò)證、瘀血阻絡(luò)證、氣血兩虛證、痰瘀阻絡(luò)證、陰虛內(nèi)熱證、熱毒蘊(yùn)結(jié)證、寒熱錯雜證、脾腎陽虛證等10個基本證型的診斷。從上述病例中抽取臨床癥狀和證型診斷構(gòu)成樣本集合，作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和測試樣本。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，癥狀向量作為神經(jīng)網(wǎng)絡(luò)的輸入向量，證型診斷分別對應(yīng)網(wǎng)絡(luò)的輸出向量。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理及病例分組

先對所有數(shù)據(jù)進(jìn)行歸一化處理，使處理后的輸入輸出信息均在(0，1)區(qū)間。對上述數(shù)據(jù)進(jìn)行主成分分析，主成分的選擇標(biāo)準(zhǔn)定為95%。數(shù)據(jù)經(jīng)過主成分分析，前98個主成分的貢獻(xiàn)率涵蓋了總共183個指標(biāo)的95.035%的信息，故我們?nèi)∏?8個主成分作為進(jìn)一步分析的指標(biāo)。通過主成分分析，輸入向量從183個減至98個?？梢娫紨?shù)據(jù)有很大的冗余。

將765例樣本隨機(jī)分為A、B、C 3組，每組255例。依次選取其中兩組作為訓(xùn)練集，另一組作為測試集，共循環(huán)3次。

2.2 建立基于共軛梯度下降算法的類風(fēng)濕關(guān)節(jié)炎證候BP網(wǎng)絡(luò)模型

2.2.1 類風(fēng)濕關(guān)節(jié)炎證候BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

在MATLAB7.0環(huán)境下，建立基于共軛梯度下降算法的三層前向BP神經(jīng)網(wǎng)絡(luò)模型。該模型包括輸入層、隱層和輸出層，其中輸入層包含183個輸入神經(jīng)元；隱層有2個，各包含100個神經(jīng)元；輸出層包含10個輸出神經(jīng)元。兩個隱層之間通過正切S型傳遞函數(shù)(tansig)連接，隱層與輸出層之間用對數(shù)S型傳遞函數(shù)(logsig)連接。設(shè)定該網(wǎng)絡(luò)的系統(tǒng)誤差小于0.01，最大迭代次數(shù)500次。

2.2.2 類風(fēng)濕關(guān)節(jié)炎證候BP網(wǎng)絡(luò)的輸出方式

將具有肝腎不足證、寒濕阻絡(luò)證、瘀血阻絡(luò)證、氣血兩虛證、痰瘀阻絡(luò)證、陰虛內(nèi)熱證、熱毒蘊(yùn)結(jié)證、寒熱錯雜證、脾腎陽虛證等10種證型診斷樣本的期望輸出值分別定為(0，1，0，0，0，0，0，0， 0，0)，……，(0，0，0，0，0，0，0，0，0，1)。預(yù)測整合輸出值為(0， 0.2，0.4，0.6，0.8，1)，這6個數(shù)值分別對應(yīng)原始輸出值的(0－0.1，0.1－0.3，0.3－0.5，0.5－0.7，0.7－0.9，0.9－1)區(qū)間的數(shù)值。整合輸出值≤0.4為診斷不成立，≥0.6為診斷成立。

2.2.3 基于共軛梯度下降算法的類風(fēng)濕關(guān)節(jié)炎證候BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練

網(wǎng)絡(luò)參數(shù)的初始值取為[-0.5，+0.5]上均勻分布的隨機(jī)數(shù)，利用train函數(shù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，第1次訓(xùn)練經(jīng)過89次迭代以后，網(wǎng)絡(luò)的系統(tǒng)誤差降至0.009 450 59；第2次訓(xùn)練經(jīng)過56次迭代后，網(wǎng)絡(luò)的系統(tǒng)誤差降至0.009 423 47；第3次訓(xùn)練經(jīng)過58次迭代以后，網(wǎng)絡(luò)的系統(tǒng)誤差降至0.009 174 36。上述數(shù)值均小于規(guī)定的最小誤差0.01，提示網(wǎng)絡(luò)趨于穩(wěn)定，網(wǎng)絡(luò)性能達(dá)標(biāo)，訓(xùn)練自動停止。

2.2.4 類風(fēng)濕關(guān)節(jié)炎證候BP神經(jīng)網(wǎng)絡(luò)模型的測試

該網(wǎng)絡(luò)模型的權(quán)值趨穩(wěn)，訓(xùn)練結(jié)束后，分3次分別對1/3測試樣本做檢驗。規(guī)定單證陽性診斷的符合情況為單證特異性；所有單證診斷的符合情況為單證準(zhǔn)確率；病例的全部證型診斷符合情況為診斷準(zhǔn)確率。即：單證特異性(%)＝預(yù)測輸出所有單證陽性符合例數(shù)/期望輸出所有單證陽性例數(shù)×100%；單證準(zhǔn)確率(%)＝預(yù)測輸出所有單證符合例數(shù)/期望輸出所有單證例數(shù)×100%；診斷準(zhǔn)確率(%)＝預(yù)測輸出符合例數(shù)/所有病例數(shù)×100%。其中，以整合輸出值的大小排序，主證為證候的前2位證類，兼證為第3位證類，第3位以后的證類忽略不計。

3 結(jié)果

測試結(jié)果顯示：3次測試的平均單證特異性為81.31%，平均單證準(zhǔn)確率為95.70%，平均診斷準(zhǔn)確率為90.72%。結(jié)果見表1。表1 RA證候BP神經(jīng)網(wǎng)絡(luò)模型測試結(jié)果與臨床診斷結(jié)果的比較（略）

4 討論

ANN的一個顯著特征是它能夠通過自動學(xué)習(xí)來解決問題，對樣本的學(xué)習(xí)過程，即為對網(wǎng)絡(luò)中神經(jīng)元間的聯(lián)系強(qiáng)度(即權(quán)重系數(shù))逐步確定的過程，通過對樣本的學(xué)習(xí)，可以學(xué)會識別自變量與應(yīng)變量間的復(fù)雜的非線性關(guān)系。經(jīng)過充分學(xué)習(xí)后的ANN獲取了樣本的特征規(guī)則，并將這些規(guī)則以數(shù)字的形式分布存貯在網(wǎng)絡(luò)的連接權(quán)中，從而構(gòu)成了系統(tǒng)的非線性映射模型。用ANN建模，可將過程或?qū)ο罂闯梢粋€“黑箱”，只要測得輸入輸出數(shù)據(jù)，就可以建立相應(yīng)的模型，不必象傳統(tǒng)的系統(tǒng)辨識那樣把過程或?qū)ο蠓譃榫€性系統(tǒng)還是非線性系統(tǒng)，也不必對過程或?qū)ο髢?nèi)部進(jìn)行分析，這對未知過程的系統(tǒng)辨識是十分方便的。

中醫(yī)證候體系具有復(fù)雜系統(tǒng)的非線性、開放性、層次性、涌現(xiàn)性和高維性特征，是一個多維多階多變量的非線性復(fù)雜系統(tǒng)[2-3]。中醫(yī)學(xué)辨證施治過程，實質(zhì)上是對大量數(shù)據(jù)信息作出處理，提取規(guī)律的過程。如何從中醫(yī)學(xué)大量現(xiàn)象學(xué)描述中尋找其內(nèi)在規(guī)律，是證的規(guī)范化研究之熱點和難點。以往多采用統(tǒng)計學(xué)方法，但效果不夠理想。ANN作為一種智能信息處理系統(tǒng)，能夠充分逼近任意復(fù)雜的非線性關(guān)系，獲得樣本數(shù)據(jù)的規(guī)則，較好避免數(shù)據(jù)處理中可能摻雜的主觀因素，客觀如實地反映研究對象[4]，因此，可以將其用于中醫(yī)證候的非線性建模研究。

我們在MATLAB7.0環(huán)境下，對一組RA臨床證候資料建立了基于共軛梯度算法的BP神經(jīng)網(wǎng)絡(luò)證候模型，并用3倍交叉驗證的方法進(jìn)行測試，結(jié)果顯示：該模型具有很好的診斷、預(yù)測能力。說明ANN能夠充分模擬癥狀與證型診斷之間的非線性映射關(guān)系。這是目前在不打開人體黑箱的前提下，建立非線性證候模型、反映證候的內(nèi)在規(guī)律和特征的有效方法。

BP神經(jīng)網(wǎng)絡(luò)有一個明顯的缺點是收斂速度非常慢，為此，我們基于共軛梯度學(xué)習(xí)算法，采用trainscg函數(shù)改進(jìn)train函數(shù)，從而加快了神經(jīng)網(wǎng)絡(luò)的收斂速度。我們建立的RA證候網(wǎng)絡(luò)模型3次訓(xùn)練的迭代次數(shù)分別為89、56、58，說明通過改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)具有很好的收斂性能。

另外，針對臨床證候資料多存在兼夾證以及各證型之間有主次之分的情況，我們首先將模型的輸出采用1個輸出節(jié)點對應(yīng)1種證型的方式，比如，RA證候模型共有10個證型，我們將包含10個證型的輸出采用(0，1，0，0，1，0，0，0，0，0)的方式，其中，括號內(nèi)每一個數(shù)值代表一種證型，“0”表示診斷不成立，“1”表示診斷成立，這樣就可以診斷兼夾證了；然后，我們將整合輸出值整理成(0，0.2，0.4，0.6，0.8，1)等6個等級的方式，這6個數(shù)值分別對應(yīng)原始輸出值的(0－0.1，0.1－0.3，0.3－0.5， 0.5－0.7，0.7－0.9，0.9－1)區(qū)間的數(shù)值，并規(guī)定整合輸出值≤0.4為診斷不成立，≥0.6為診斷成立，這樣就進(jìn)一步根據(jù)整合輸出值的大小直接判斷有幾個兼夾證以及各證型的主次地位了。可見，我們建立的RA證候網(wǎng)絡(luò)模型不僅能夠利用神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力從大量的樣本中抽提出比較全面的證候內(nèi)在規(guī)律，具有良好的診斷、預(yù)測能力，而且操作簡便，真正實現(xiàn)了證候診斷的智能化。ANN技術(shù)是中醫(yī)證候非線性建模的可行性方法。

雖然我們已經(jīng)證實了ANN用于證候非線性建模的可行性，但是，以目前的技術(shù)，還無法從網(wǎng)絡(luò)的聯(lián)接權(quán)中抽提出網(wǎng)絡(luò)通過自動學(xué)習(xí)所獲得的證候規(guī)律，今后可以圍繞這個關(guān)鍵問題繼續(xù)開展研究。另外，證候的診斷信息具有模糊性特征，用模糊神經(jīng)網(wǎng)絡(luò)理論應(yīng)更能夠逼近證候的全貌，我們曾經(jīng)試圖用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行證候的非線性建模研究，但是，目前的模糊神經(jīng)網(wǎng)絡(luò)還無法處理證候的兼夾問題，模糊神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果只能是多類中的一類，因此，我們暫時未作。今后我們將圍繞這方面展開深入研究，力爭建立證候的模糊神經(jīng)網(wǎng)絡(luò)模型。

總之，一門學(xué)科只有不斷地吸納先進(jìn)的思想與技術(shù)，在繼承的基礎(chǔ)上發(fā)展創(chuàng)新，才能真正具有生命力。中醫(yī)證候復(fù)雜系統(tǒng)研究，呼喚非線性科學(xué)、人工神經(jīng)網(wǎng)絡(luò)、計算數(shù)學(xué)、模糊數(shù)學(xué)、信息工程、醫(yī)學(xué)工程、復(fù)雜性科學(xué)等多種邊緣學(xué)科、交叉學(xué)科理論和技術(shù)方法的介入，理論上的探討和不斷切實可行的實踐探索并行，才能使中醫(yī)證候規(guī)范研究從量的積累上升到質(zhì)的飛躍。

參考文獻(xiàn)

[1] .中藥新藥臨床研究指導(dǎo)原則(試行)[S].北京：中國醫(yī)藥科技出版社，2002.115－119.

[2] 白云靜，申洪波，孟慶剛，等.基于復(fù)雜性科學(xué)的中醫(yī)學(xué)發(fā)展取向與方略[J].中國中醫(yī)藥信息雜志，2005，12(1)：2－5.

[3] 白云靜，申洪波，孟慶剛，等.中醫(yī)證候復(fù)雜性特征及證候研究思路探析[J].中國中醫(yī)藥信息雜志，2004，11(9)：754－756.

[4] 白云靜，申洪波，孟慶剛，等.中醫(yī)證候研究的人工神經(jīng)網(wǎng)絡(luò)方法探析[J].中醫(yī)藥學(xué)刊，2004，22(12)：2221－2223.

3 結(jié)果

測試結(jié)果顯示：3次測試的平均單證特異性為81.31%，平均單證準(zhǔn)確率為95.70%，平均診斷準(zhǔn)確率為90.72%。結(jié)果見表1。表1 RA證候BP神經(jīng)網(wǎng)絡(luò)模型測試結(jié)果與臨床診斷結(jié)果的比較（略）

4 討論

ANN的一個顯著特征是它能夠通過自動學(xué)習(xí)來解決問題，對樣本的學(xué)習(xí)過程，即為對網(wǎng)絡(luò)中神經(jīng)元間的聯(lián)系強(qiáng)度(即權(quán)重系數(shù))逐步確定的過程，通過對樣本的學(xué)習(xí)，可以學(xué)會識別自變量與應(yīng)變量間的復(fù)雜的非線性關(guān)系。經(jīng)過充分學(xué)習(xí)后的ANN獲取了樣本的特征規(guī)則，并將這些規(guī)則以數(shù)字的形式分布存貯在網(wǎng)絡(luò)的連接權(quán)中，從而構(gòu)成了系統(tǒng)的非線性映射模型。用ANN建模，可將過程或?qū)ο罂闯梢粋€“黑箱”，只要測得輸入輸出數(shù)據(jù)，就可以建立相應(yīng)的模型，不必象傳統(tǒng)的系統(tǒng)辨識那樣把過程或?qū)ο蠓譃榫€性系統(tǒng)還是非線性系統(tǒng)，也不必對過程或?qū)ο髢?nèi)部進(jìn)行分析，這對未知過程的系統(tǒng)辨識是十分方便的。

中醫(yī)證候體系具有復(fù)雜系統(tǒng)的非線性、開放性、層次性、涌現(xiàn)性和高維性特征，是一個多維多階多變量的非線性復(fù)雜系統(tǒng)[2-3]。中醫(yī)學(xué)辨證施治過程，實質(zhì)上是對大量數(shù)據(jù)信息作出處理，提取規(guī)律的過程。如何從中醫(yī)學(xué)大量現(xiàn)象學(xué)描述中尋找其內(nèi)在規(guī)律，是證的規(guī)范化研究之熱點和難點。以往多采用統(tǒng)計學(xué)方法，但效果不夠理想。ANN作為一種智能信息處理系統(tǒng)，能夠充分逼近任意復(fù)雜的非線性關(guān)系，獲得樣本數(shù)據(jù)的規(guī)則，較好避免數(shù)據(jù)處理中可能摻雜的主觀因素，客觀如實地反映研究對象[4]，因此，可以將其用于中醫(yī)證候的非線性建模研究。

我們在MATLAB7.0環(huán)境下，對一組RA臨床證候資料建立了基于共軛梯度算法的BP神經(jīng)網(wǎng)絡(luò)證候模型，并用3倍交叉驗證的方法進(jìn)行測試，結(jié)果顯示：該模型具有很好的診斷、預(yù)測能力。說明ANN能夠充分模擬癥狀與證型診斷之間的非線性映射關(guān)系。這是目前在不打開人體黑箱的前提下，建立非線性證候模型、反映證候的內(nèi)在規(guī)律和特征的有效方法。

BP神經(jīng)網(wǎng)絡(luò)有一個明顯的缺點是收斂速度非常慢，為此，我們基于共軛梯度學(xué)習(xí)算法，采用trainscg函數(shù)改進(jìn)train函數(shù)，從而加快了神經(jīng)網(wǎng)絡(luò)的收斂速度。我們建立的RA證候網(wǎng)絡(luò)模型3次訓(xùn)練的迭代次數(shù)分別為89、56、58，說明通過改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)具有很好的收斂性能。

另外，針對臨床證候資料多存在兼夾證以及各證型之間有主次之分的情況，我們首先將模型的輸出采用1個輸出節(jié)點對應(yīng)1種證型的方式，比如，RA證候模型共有10個證型，我們將包含10個證型的輸出采用(0，1，0，0，1，0，0，0，0，0)的方式，其中，括號內(nèi)每一個數(shù)值代表一種證型，“0”表示診斷不成立，“1”表示診斷成立，這樣就可以診斷兼夾證了；然后，我們將整合輸出值整理成(0，0.2，0.4，0.6，0.8，1)等6個等級的方式，這6個數(shù)值分別對應(yīng)原始輸出值的(0－0.1，0.1－0.3，0.3－0.5， 0.5－0.7，0.7－0.9，0.9－1)區(qū)間的數(shù)值，并規(guī)定整合輸出值≤0.4為診斷不成立，≥0.6為診斷成立，這樣就進(jìn)一步根據(jù)整合輸出值的大小直接判斷有幾個兼夾證以及各證型的主次地位了?？梢?，我們建立的RA證候網(wǎng)絡(luò)模型不僅能夠利用神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)能力從大量的樣本中抽提出比較全面的證候內(nèi)在規(guī)律，具有良好的診斷、預(yù)測能力，而且操作簡便，真正實現(xiàn)了證候診斷的智能化。ANN技術(shù)是中醫(yī)證候非線性建模的可行性方法。

雖然我們已經(jīng)證實了ANN用于證候非線性建模的可行性，但是，以目前的技術(shù)，還無法從網(wǎng)絡(luò)的聯(lián)接權(quán)中抽提出網(wǎng)絡(luò)通過自動學(xué)習(xí)所獲得的證候規(guī)律，今后可以圍繞這個關(guān)鍵問題繼續(xù)開展研究。另外，證候的診斷信息具有模糊性特征，用模糊神經(jīng)網(wǎng)絡(luò)理論應(yīng)更能夠逼近證候的全貌，我們曾經(jīng)試圖用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行證候的非線性建模研究，但是，目前的模糊神經(jīng)網(wǎng)絡(luò)還無法處理證候的兼夾問題，模糊神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果只能是多類中的一類，因此，我們暫時未作。今后我們將圍繞這方面展開深入研究，力爭建立證候的模糊神經(jīng)網(wǎng)絡(luò)模型。

總之，一門學(xué)科只有不斷地吸納先進(jìn)的思想與技術(shù)，在繼承的基礎(chǔ)上發(fā)展創(chuàng)新，才能真正具有生命力。中醫(yī)證候復(fù)雜系統(tǒng)研究，呼喚非線性科學(xué)、人工神經(jīng)網(wǎng)絡(luò)、計算數(shù)學(xué)、模糊數(shù)學(xué)、信息工程、醫(yī)學(xué)工程、復(fù)雜性科學(xué)等多種邊緣學(xué)科、交叉學(xué)科理論和技術(shù)方法的介入，理論上的探討和不斷切實可行的實踐探索并行，才能使中醫(yī)證候規(guī)范研究從量的積累上升到質(zhì)的飛躍。

參考文獻(xiàn)

[1] .中藥新藥臨床研究指導(dǎo)原則(試行)[S].北京：中國醫(yī)藥科技出版社，2002.115－119.

[2] 白云靜，申洪波，孟慶剛，等.基于復(fù)雜性科學(xué)的中醫(yī)學(xué)發(fā)展取向與方略[J].中國中醫(yī)藥信息雜志，2005，12(1)：2－5.

篇9

中國式英語是一種很普遍的現(xiàn)象。中國學(xué)生在英語學(xué)習(xí)的過程中習(xí)慣用漢語的方式來思考問題，并把漢語的應(yīng)用規(guī)律也放到所學(xué)的目的語中，母語在外語學(xué)習(xí)的過程中產(chǎn)生了極大的干擾作用，從而產(chǎn)生了一種不標(biāo)準(zhǔn)的英文變體，這種變體可以表現(xiàn)在語音，詞匯，句法，語篇及語用的各個方面，這就是人們俗稱的中國式英語。很多學(xué)者都認(rèn)為，中國式英語是由于母語文化與目的語文化之間的差異引起的，普遍認(rèn)為中國式英語是一種不規(guī)范的語言類型(morbid language)。

語言與文化有著密切的聯(lián)系，由于語言的產(chǎn)生和發(fā)展，人類文化才得以產(chǎn)生和傳承。中國是一個有著五千年悠久歷史文化的大國。中國文化對于世界的影響力自古就有。作為擁有人口數(shù)量位于世界第一的中國，語言的傳播和影響力是不容忽視的。語言既是文化的載體，又是文化的寫照。文化影響語言，語一言反映文化。由于語言和文化密不可分，語言學(xué)習(xí)和文化學(xué)習(xí)也是不可分的。語言學(xué)習(xí)在文化學(xué)習(xí)中進(jìn)行。沒有語言作為正規(guī)非正規(guī)的學(xué)習(xí)手段，就決不可能學(xué)到任何文化。任何人習(xí)得一種語言的同時，也該學(xué)習(xí)該語言的文化，因為語言是一種文化的表現(xiàn)形式與承載形式，不了解這個民族的文化，也就無法真正學(xué)好該民族的語言。所以我們說，學(xué)習(xí)英語就需要了解英語國家的文化，傳統(tǒng)及風(fēng)俗習(xí)慣，了解中西方文化的差異。

中國式英語最早產(chǎn)生是在文化傳輸?shù)妮斎胫挟a(chǎn)生的，其根本原因就是缺乏西方文化知識引起的。絕大多數(shù)的中國學(xué)生都是在漢語言文化這個環(huán)境下學(xué)習(xí)英語，中西方文化差異就成為了中國學(xué)生學(xué)習(xí)英語過程中面臨的最大問題，學(xué)生在說英語或在寫英語作文的時候所犯的語言錯誤有不少其實是“文化錯誤”。所謂“文化錯誤”，是指學(xué)習(xí)者所使用的目的語不為口的語國家的人們所理解或接受。以兩個最為典型的例子來說明這種情況。

首先是打招呼。用英語打招呼最常用的的是用“hello"，"good morning"，"how are you”等用語，隨便的一點可以用“Hi"。但是很多外國友人或者外籍教師都發(fā)現(xiàn)中國學(xué)生不太習(xí)慣使用這些打招呼的方式。當(dāng)那些學(xué)生在校園里碰到的時候，更多的是會lb]諸如:"Have you eaten?，，或者“Where are you going to?”一類的問題。這些問題讓人很尷尬，也不知道該怎么回答。事實上這些就是中國式英語的表現(xiàn)，中國人見面了，都會用這樣的問候語來互相打招呼。中國人無視國外保護(hù)隱私的習(xí)慣，也把這種打招呼的方法用到交流中，勢必會造成誤解。

還有一種情況是在面對別人的贊揚(yáng)的反應(yīng)。當(dāng)英語國家的人們聽到自己的贊揚(yáng)的時候，多數(shù)是回答“thank you"。但中國人聽到贊揚(yáng)的時候，如果回答謝謝，別人多會認(rèn)為這個人不怎么謙虛，甚至覺得太自夸了，所以中國人一定會對別人的贊揚(yáng)表現(xiàn)為自謙或者自我否定。如果不知道中西文化的差異，問題就來了。很多學(xué)生在聽到別人的贊揚(yáng)的時候，肯定就會說，"No， I am not good as you say.”等等，初到中國的不了解文化的外教也會覺得不知所云。

因此，由于缺乏跨文化意識而導(dǎo)致的中國式英語的例子還有很多。這一方面說明了在外來語的學(xué)習(xí)中，文化意識的培養(yǎng)還相當(dāng)欠缺。用漢語思維來進(jìn)行英語交流時普遍存在的問題。許多英語老師在講解英語語言知識和語法知識的時候很熟練，但涉及到跨文化交際能力的時候，就會出現(xiàn)文化知識不夠豐富，語用能力隨之較弱的情況。隨著經(jīng)濟(jì)和社會的發(fā)展以及國際交往的日益頻繁，對英語的實際應(yīng)用能力的要求越來越高，尊重和接納他國文化就成為交往中不可回避的內(nèi)容。

在英語學(xué)習(xí)中，教師應(yīng)強(qiáng)調(diào)英美文化的導(dǎo)入。學(xué)生在教師的引導(dǎo)下，應(yīng)該逐步積累，意識到學(xué)習(xí)語言不應(yīng)該只學(xué)習(xí)語法句法，更重要的是了解不同的文化，用所學(xué)語言傳承文化和表達(dá)文化，讓文化融解于語言之中。這也是為什么很多大學(xué)開設(shè)《英美文化》等課程，對學(xué)生理解所學(xué)語言的文化起到了積極的作用，同時也幫助學(xué)生更有效的使用語言。

隨著中國的改革開放和日益與世界接軌的發(fā)展進(jìn)程，越來越多的外國人在與中國人的接觸中開始慢慢的接觸中國式英語，并且認(rèn)可中國式英語的語法規(guī)則和意義的表達(dá)。

語言習(xí)得的完成，是某種思維方式形成的標(biāo)志。德國語言學(xué)家，哲學(xué)家洪堡特認(rèn)為，語言不僅有表達(dá)功能，而且還有認(rèn)知功能，是“一個民族進(jìn)行思維和感知的工具”，每一種語言都包含了一種獨特的世界觀。因此當(dāng)中國式英語在表達(dá)中國特點具有中國特色的時候，不可避免的由操漢語的人固有的思維模式和中國特有的傳統(tǒng)文化影響，在英語中夾帶中國特點，這也是中國式英語的一種特別的表現(xiàn)形式。

要使英語和中國特有的社會和文化也絕不是一件容易的事情。中國環(huán)境有的東西要想單純通過語言讓對這一環(huán)境一無所知得人了解，往往還是要費(fèi)一番周折，人們只有通過語言表層，了解其深層的社會文化內(nèi)涵之后，才能進(jìn)行真正的溝通和相互了解。這也是將中國傳統(tǒng)文化和現(xiàn)在的社會文化介紹并傳播的一個有效途徑。

從詞匯角度出發(fā)，中國式英語這時是一種輸出性語臺，但不可避免的將文化滲透其中，是英語帶上明顯的中國特色。諸如氣功，地方戲曲，傳統(tǒng)習(xí)俗和日常生活等方面的許多名稱或術(shù)語，很多是通過音譯在英語中使用。事實上，很多的漢語借詞早已進(jìn)入英語辭典中，如:wushu，kungfu，quyi，erhu，yamen mahjong等等。

我國還有豐富的成語，諺語，典故和警句等，怎么樣將它們翻譯成英語是一個值得探討的問題。比如如果硬將"papertiger"翻譯為“scarecrow"就失去了“紙老虎”這一詞本身所具有的文化底蘊(yùn)。這種情況很多，漢語在外來語的吸入中也注意到了。比如“特洛伊木馬”，“潘多拉盒子”，“鱷魚眼淚”之類的。這樣的互相滲透，不僅是思想的交流，也是語言的交流。

中式英語比較成熟，直接了當(dāng)?shù)卣f事，不拖泥帶水，早就得到國際承認(rèn)，最著名的當(dāng)屬long time no see。英國作家蕭伯納當(dāng)年曾說過，中國的洋注洪英語no can(不能)比正宗英語unable (不能)要清晰明了，值得仿效。類似的例子還有“你問我，我問誰”=You ask me， me ask who?

還有些中式英語是在與時俱進(jìn)的發(fā)展中產(chǎn)生的。截取意義完整準(zhǔn)確的兩個英語詞匯的一部分構(gòu)成新詞診釋中文時事詞匯。

篇10

關(guān)鍵詞: 仿譯仿譯詞翻譯原則漢語

一、仿譯和漢語仿譯詞

維基百科里所定義的仿譯詞(a calque or loan translation)是指通過直譯、詞對詞或者詞根對詞根的翻譯,借自另一種語言的詞,或者詞組(a calque or loan translation is a word or phrase borrowed from another language by literal,word-for-word or root-for-root translation)[1]。在《牛津高階英漢雙解詞典》(第六版),仿譯詞亦稱借譯詞,或稱仿造詞,外國詞語的字面直譯詞(a word or expression in a language that is a translation of a word or expression in anther language)。[2]仿譯即逐詞翻譯,仿譯詞基本上可以保持譯出語的句法結(jié)構(gòu)、獨特的表達(dá)法、意象和附著在其上的聯(lián)想意義。

語言學(xué)家熙認(rèn)為,漢字是一種語素文字。[3]漢語仿譯詞通過采用“字面對應(yīng)”的直譯法,即用概念意義對應(yīng)的或者基本對應(yīng)的漢語語素(亦稱詞素;漢語中一般一個漢字就是一個語素)替換譯出語的詞素,即漢語逐字翻譯譯出語中的詞素。例如:“白領(lǐng)”(white-collar)、“藍(lán)牙”(Bluetooth,一種短距離無線電技術(shù))等。

成為漢語語匯的仿譯詞,并非只是漢語語素與譯出語的詞素相對應(yīng),它不僅遵循著人們一般認(rèn)可的翻譯的基本原則“真實(faithfulness)、通順(coherence)和傳神(lifelikeness)”:不但能表達(dá)原文的概念意義,而且能反映出原文的聯(lián)想意義;不但呈現(xiàn)了原文的詞、詞組結(jié)構(gòu),而且符合漢語詞、詞組的表達(dá)習(xí)慣;不但保留了原文的意象,而且這種意象和漢語文化不發(fā)生沖突;而且受到漢語語言和漢語文化的制約。此外,仿譯詞的接受度和使用頻率隨著人們對譯出語語言和文化的認(rèn)知度的提高而提高。本文依據(jù)翻譯的基本原則,分析漢語仿譯詞所遵循的原則,以及影響外來語中的詞和詞組成為漢語語匯的一些相關(guān)因素。

二、翻譯的基本原則和漢語仿譯詞

人們基本達(dá)成共識,翻譯的基本原則是真實、通順、傳神。

(一)忠實于譯出語意義及句法結(jié)構(gòu)的漢語仿譯詞。真實――理想的翻譯的真實,是指譯文既忠實于原文所要傳遞的意義(概念意義和聯(lián)想意義),又忠實于原文的句法結(jié)構(gòu)。英國語言學(xué)家利奇(Geoffery Leech)把語義劃分成不同類型:概念意義(conceptual meaning)和聯(lián)想意義(associative meaning)。他認(rèn)為概念意義是詞義的核心,它直接地、明確地表示所指對象;而聯(lián)想意義是指詞的附帶意義,與文化緊密相關(guān);包括詞的內(nèi)涵意義、社會意義、情感意義、反映意義和搭配意義。[4]有的語言學(xué)家稱“聯(lián)想文化意義”為“社會文化意義”。如果譯出語信息要在譯入語中得到盡可能完整而準(zhǔn)確的表達(dá),那么譯文就應(yīng)最大程度轉(zhuǎn)化或者再現(xiàn)原文的概念意義、聯(lián)想意義及主題意義,即組織信息的方式(語序、強(qiáng)調(diào)手段)所傳遞的意義。[5]一方面,得到認(rèn)可、成為漢語語匯的仿譯詞能呈現(xiàn)或者基本再現(xiàn)譯出語詞語的意義,另一方面,仿譯詞把原文的句法結(jié)構(gòu)、表達(dá)方式直接移植到漢語中,因此在句法結(jié)構(gòu)上,漢語仿譯詞忠于或者接近譯出語的結(jié)構(gòu)。例如:仿譯自英語詞grass roots的“草根”,其構(gòu)詞類型與原文一致,而且“草根”不僅傳遞著原詞grass roots的概念意義“平民百姓”、“基層民眾”,而且傳遞出豐富的聯(lián)想意義――“平凡、普通、根基、堅強(qiáng)的生命力”等。

(二)通順的漢語仿譯詞才可能進(jìn)入到漢語語匯中。通順是指譯文符合譯入語的表達(dá)習(xí)慣,文理通達(dá),結(jié)構(gòu)清晰。漢語仿譯詞雖然在形式上逐詞地緊隨原文,但是由于人類思維存在一定的共性,從原文移植的語言結(jié)構(gòu)和習(xí)慣表達(dá)方式和漢語有相同或者相近之處。成為漢語語匯的仿譯詞符合漢語的構(gòu)詞習(xí)慣、詞組表達(dá)習(xí)慣。例如:“籃球”(basketball)、“熱線”(hotline)、“蜜月”(honeymoon)、“三維動畫”(three-dimensional animation)、“白板”(white-board)、“白色污染”(white pollution,指廢棄塑料及其制品對環(huán)境造成的污染)等。

(三)漢語仿譯詞可以很好地保留譯出語中的意象,傳神再現(xiàn)譯出語的表達(dá)。傳神是指譯文保留了原文的喻義和意象,表達(dá)形象生動,令人回味。得到認(rèn)可、成為漢語語匯的仿譯詞保留了原文的意象,并且聯(lián)想意義豐富,例如仿譯詞“跳蚤市場”(flea market,指經(jīng)營廉價商品、舊貨物和古物的露天市場)的小、靈活,無固定攤位,所售貨物的特點――低廉,與跳蚤的形象很貼切;再如“武裝到牙齒”(armed to the teeth,全副武裝)、“鴕鳥政策”(ostrich policy,逃避現(xiàn)實;不愿正視現(xiàn)實)都很好地保留了原文的意象,給人生動逼真的印象。

漢語仿譯詞除了遵循翻譯的一般原則外,在漢語語言文化語境中,一個來自外來語的詞或者詞組能否以仿譯的形式融入漢語語匯,與漢語中是否存在與譯出語相對應(yīng)的概念和表達(dá)相關(guān),與漢語和譯出語中相對應(yīng)的語素的聯(lián)想意義相似度相關(guān),與漢語構(gòu)詞習(xí)慣和譯出語句法結(jié)構(gòu)是否相同、相近相關(guān),與人們對譯出語歷史文化的熟悉度、認(rèn)知度相關(guān)。

三、影響外語詞匯作為仿譯詞、詞組融入漢語的因素

(一)詞匯空缺。漢語中如果不存在與譯出語相對應(yīng)或者類似的表達(dá),則仿譯詞存在的可能性較大。中西方由于地理環(huán)境、風(fēng)俗習(xí)慣、傳統(tǒng)積淀、歷史文化的差異,一種文化里的某種習(xí)俗、概念在另一文化里空缺,對應(yīng)的詞匯空缺就不可避免地存在。例如:仿譯詞“熱狗”(hot-dog),雖然“熱狗”在一定程度上傳遞了此種異國食品的形態(tài),較為生動傳神,也符合漢語構(gòu)詞法,但是完全不知“熱狗”為何物的人,如果按照漢民族“望文生義”的習(xí)慣,可能會產(chǎn)生相差甚遠(yuǎn)的聯(lián)想意義,但是由于漢語中無此相對應(yīng)的詞匯,仿譯詞“熱狗”填補(bǔ)了這一詞語空缺,得到了人們的認(rèn)可。再如,“車庫銷售”(garage sale,在私人住宅的車庫里進(jìn)行的舊物銷售)、“庭院拍賣”(yard sale,在自家庭院售賣二手家什)這類仿譯詞不僅填補(bǔ)了概念、詞匯空缺,而且相比其意譯詞而言,更能讓人們直接感知譯出語的習(xí)俗文化。此外,越來越多的漢語仿譯詞是隨著社會、經(jīng)濟(jì)和科技領(lǐng)域的發(fā)展,在填補(bǔ)不斷出現(xiàn)的新概念、新術(shù)語所帶來的詞匯空缺中進(jìn)入到漢語語匯的。例如:“綠領(lǐng)”(green-collar)、“碳足跡”(carbon footprint)、“空巢癥”(empty nest syndrome)、“數(shù)字原居民”(Digital native,指一出生就生活在電腦、互聯(lián)網(wǎng)環(huán)境中的一代人)、“數(shù)字地球”(digital globe)等。與以上相對而言,如果漢語中存在與原文相對應(yīng)的概念、詞組表達(dá)時,雖然漢語表達(dá)的喻體與譯出語的喻體不同,體現(xiàn)了迥異的文化,但是仿譯詞出現(xiàn)的傾向性較低。例如:hot air(empty talk,空談)似乎并沒有仿譯詞“熱氣”來表示“夸夸其談”;fish in the air的譯文是“水中撈月”而非“空中釣魚”;spring up like mushrooms(快速生長,迅速發(fā)展)的譯文是“雨后春筍”而非“雨后蘑菇”;the land of milk and honey(富饒的樂土)的譯文是“魚米之鄉(xiāng)”,鮮見仿譯詞“奶蜜之地”;a piece of cake常譯為“小菜一碟”或者“舉手之勞”,而非它的仿譯詞“蛋糕一塊”。由此可見,雖然人們習(xí)慣使用和自己文化密切相關(guān)的詞匯,但是漢語仿譯詞在吸收異域文化、新概念,填補(bǔ)詞匯空缺方面,仍有著積極的意義。

(二)聯(lián)想意義。漢語語素與譯出語相對應(yīng)的語素的聯(lián)想意義相似度越高,仿譯詞存在的可能性越大。當(dāng)漢語仿譯的復(fù)合詞、詞組及短語所引起的聯(lián)想意義和譯出語越接近,或者相似度越大時,即在文化層次上不存在沖突的詞和詞組,仿譯詞存在的可能性越大。例如:“綠卡”(green card)、“綠色和平”(greenpeace)、“非政府組織”(non-government organization)。相反,如果漢語語素與相對應(yīng)的譯出語語素的聯(lián)想意義關(guān)聯(lián)度低,甚至相去甚遠(yuǎn)的話,漢語仿譯詞出現(xiàn)的可能性甚小。眾所周知,black sheep沒有如black horse(“黑馬”)仿譯為“黑羊”,也許除了漢語中的“害群之馬”、“敗家子”和black sheep(敗類,一錢不值)的表達(dá)法類似外,還緣于中西方對于“羊”的不同聯(lián)想。英國古代的迷信傳說中認(rèn)為黑羊是魔鬼的化身,而且英國人總是認(rèn)為黑綿羊的羊毛不如白綿羊的羊毛值錢。盡管中國人同西方人一樣都認(rèn)為黑代表黑夜,黑色代表“壞”、“狠毒”、“邪惡”,如中文的“黑店”、“黑心腸”,但是古時,中國漢字“羊”同“祥”,意為“吉利”,因此中國人難于產(chǎn)生有關(guān)“羊”的不好的聯(lián)想,哪怕是“黑羊”。也許這就是漢語中不存在black sheep的仿譯詞的緣故。再如,漢語中似乎無the apple of sb’s eye的仿譯詞,人們大多依舊使用“掌上明珠”來比喻極受父母寵愛的兒女,或者為人所珍愛的物品。究其原因,apple在西方宗教、神話傳說、英美人民生活中的地位所能引起的豐富的聯(lián)想意義,極難在我們中國人心目中引起相似的共鳴。

(三)詞匯結(jié)構(gòu)。漢語構(gòu)詞特點與譯出語相似度越大,仿譯詞出現(xiàn)的可能性越大。盡管中西方思維存在差異性,但是作為人,思維仍存在某些共性。盡管中文和英文來自完全不同的語系,但是在詞匯層,復(fù)合詞、詞組結(jié)構(gòu)和搭配上仍存在相同、相似之處。例如:何善芬認(rèn)為從詞與詞的關(guān)系看,英漢復(fù)合名詞都有偏正、動賓和主謂這幾種類型。[6]當(dāng)譯出語的詞、詞組結(jié)構(gòu)符合漢語詞、詞組的結(jié)構(gòu)和表達(dá)習(xí)慣時,漢語仿譯詞被接納的可能性就越大。例如:“超人”(superman)、“高端”(high-end)、“遭遇滑鐵盧”(meet one’s Waterloo,最終的失敗,毀滅性打擊,慘敗)等,英漢句法結(jié)構(gòu)相同,表達(dá)習(xí)慣相似。如果譯出語和漢語表達(dá)習(xí)慣不太吻合,仿譯詞出現(xiàn)的可能性較低。例如漢民族長久以來有求穩(wěn)的心態(tài),表現(xiàn)在漢語上,成語多為四字詞。例如once in a blue moon強(qiáng)調(diào)“極其罕見的,極其難得”,因為“藍(lán)月亮”永遠(yuǎn)都不可能出現(xiàn);然而,似乎無人為了保留原文意象譯成“一次藍(lán)月亮”,卻有人把它意譯成“千載難逢”或者“破天荒地”。再如PDA(Personal Digital Assistant),雖然可以仿譯成“個人數(shù)字助理”,但是人們更傾向使用“掌上電腦”。

(四)語言文化認(rèn)知度。人們對譯出語歷史文化的熟悉度、認(rèn)知度越高,仿譯詞存在的可能性就越大,仿譯詞接受度就越大。隨著文化接觸、語言接觸的深入,一些過去不曾或者不太被認(rèn)可的仿譯詞業(yè)已以更高的頻率出現(xiàn)在人們的交際中。例如越來越多的人熟知、運(yùn)用“鱷魚眼淚”(crocodile tears,假慈悲),“潘多拉之盒”(A Pandora’s box,表示災(zāi)難、麻煩、禍害的根源),“特洛伊木馬”(Trojan horse,指潛伏在內(nèi)部的敵人),“第二十二條軍規(guī)”(Catch-22,指矛盾雙方存在互為前提,從而陷入到一個進(jìn)退兩難的境地,有人意譯為“進(jìn)退維谷”或“左右為難”),“玻璃天花板”(glass ceiling)等諸如此類的仿譯詞,而不僅僅是它們的意譯詞?；蛟S有一天as wise as Solomon可仿譯成“智如所羅門”,而不是僅僅意譯為“很有智慧”;表現(xiàn)英美特定文化背景的仿譯詞“熱磚上的貓”(like a cat on hot bricks),會像“如坐針氈”或“熱鍋上的螞蟻”一樣出現(xiàn)在人們交際中。然而,如果人們對譯出語的習(xí)語典故不知曉、不熟悉,仿譯詞也可能造成交際、理解的困難。例如:如果把back from Boot Hill仿譯成“從靴山歸來”,可能一些人就難解其意,或許意譯為“九死一生”、“東山再起”較為妥當(dāng)些。隨著中西方文化的交流日漸增多,更多文化負(fù)載(culturally-loaded)仿譯詞、詞組、短語會逐漸成為漢語語匯的一部分。

四、結(jié)語

進(jìn)入到漢語語匯的仿譯詞遵循著翻譯的一般原則,能否成為漢語仿譯詞不僅與語言本身相關(guān),而且與兩種語言相聯(lián)系的文化相關(guān)。隨著不同語言、不同文化之間的人們接觸范圍的擴(kuò)展、溝通的進(jìn)一步加深,更多的仿譯詞將融入到漢語語匯中。這在一定程度上會使?jié)h語的表達(dá)呈現(xiàn)多樣化,豐富漢語表達(dá),促進(jìn)漢語發(fā)展。

參考文獻(xiàn):

[1]en.省略/wiki/Calque.

[2]Hornby,A.S.Oxford Advanced Learner’s English-Chinese Dictionary(6th edition)[Z].北京:商務(wù)印書館,2004.

[3]熙.文熙文集(3)[A].北京:商務(wù)印書館,1999:211.