导读:本文包含了词汇识别论文开题报告文献综述及选题提纲参考文献，主要关键词:二语词汇,《词汇能力：以词汇量,识别速度和一致性为维度的二语词汇知识》,二语学习者,差异系数
词汇识别论文文献综述
周文华[1]（2019）在《《词汇能力：以词汇量、识别速度和一致性为维度的二语词汇知识》评介》一文中研究指出Michael Harrington. 2018. Lexical Facility: Size, Recognition Speed and Consistency as Dimensions of Second Language Vocabulary Knowledge. Palgrave Macmillan. xxviii + 305 pp.1.引言词汇是语言的基石,词汇量大小以及词汇的使用能力是衡量语言学习者,尤其是二语学习者语言能力的一个重要指标。澳大利亚昆士兰大学(University of Queensland)Michael Harrington教授一直致力于二语词汇测试、词汇知识及其作用等方面的研究,他的新作《词汇能力:以词汇量、识别速度和一致性为维度(本文来源于《外语教学与研究》期刊2019年05期）
左宁,姜军[2]（2019）在《关于英语二语词汇识别的探索》一文中研究指出汉语和英语语言都是由词汇组成,想要深入地理解语言,提升学习效果,必然要加强对词汇的识别。本文以英语二语词汇识别为研究对象,首先简单分析阐述了词汇识别的意义,随后探讨分析了词汇识别的英汉差异,最后提出了一些大学英语教学中词汇识别的现状和对策以供参考。(本文来源于《英语广场》期刊2019年06期）
蒋丽萍[3]（2019）在《阈下启动情绪图片和词汇对面孔表情识别的影响》一文中研究指出正确识别面部表情的情感信息,对个体进行社会交往过程有重要意义。但表情通常不是独立存在,它通常伴随着某种情绪色彩的情境。面部表情的识别通常是下意识的状态,人们会自动生成对于表情内涵的定义与此同时再做出相应的回应。阈下情绪启动的研究有助于人们了解无意识情绪对于认知的作用,从而有助于更好的了解自己的认知行为与情绪的关系。在以往的阈下情绪启动研究中由于具体启动材料和实验任务的不同,实验结果仍存在分歧。对此本研究在目前研究的基础上作进一步的探讨,采用阈下启动的范式,以情绪一致性效应作为评价指标,验证阈下情绪启动下面部表情的情绪一致性偏向,并进一步探讨情绪启动研究范式中的具体问题,以期更好的理解无意识情绪,并了解它是如何对我们的面孔表情识别的判断产生影响的。本研究采用事件相关电位(ERP)技术,探讨阈下情绪启动下情绪词汇和情绪图片两种不同启动材料类型以及愤怒、平静、愉悦叁种水平的情绪效价下的面部表情识别的脑加工机制。实验要求被试尽可能快速的和准确的完成面部表情识别任务,分析被试完成任务的反应时、正确率以及相应的ERP成分。研究结果主要为:(1)行为学结果表明不论启动材料类型为图片还是词汇,情绪一致条件下面孔情绪识别的反应时快于不一致条件的反应时且差异显着,说明出现了阈下情绪启动效应。启动材料类型和情绪效价的主效应均显着,在阈下情绪启动条件下对面孔情绪的识别情绪词汇的启动效果优于情绪图片的启动效果,且负性启动下的反应时比正性启动更短;(2)ERP结果分时段对波形进行分析得到N1,N170,EPN,N400和LPP成分,其中早期的N1,N170成分的情绪效价主效应显着,中期的EPN成分在高唤醒刺激下都会产生,而晚期的N400和LPP成分的材料类型主效应显着,其中N400成分中图片组波幅更为明显,且只有图片组诱发出显着的晚期正成分LPP。据此可以将阈下情绪启动面孔情绪识别分为无意识情绪启动阶段和情绪知觉理解阶段两个阶段。(本文来源于《武汉体育学院》期刊2019-06-01）
王文超[4]（2019）在《面向大词汇量离线中文手写识别的简约建模方法研究》一文中研究指出由于汉字种类繁多,加之书写风格迥异,离线中文手写识别是一项很困难的任务。离线中文手写识别主要分为两个任务:离线中文手写孤立字识别和离线中文手写文本行识别。当前,深度学习技术已经成为离线中文手写识别的主流技术,但在大词汇量的情况下,仍然存在较多问题。首先,由于汉字种类很多(简体字超过27000类,繁体字超过100000类),导致系统对存储和计算量都有很大的要求。其次,大词汇量的手写识别任务对训练数据量的需求非常大。最后,系统无法识别训练集以外的(OOV:Out-of-Vocabulary)汉字和网络“新字”。针对由大词汇量带来的系统冗余和对存储、计算要求高的问题:我们采用基于Two-steps算法状态绑定得到的简约HMM(PHMM:Parsimonious HMM)来建模汉字间的相似部分。在离线中文手写文本行任务上,与传统HMM算法相比,简约HMM不仅可以使模型更简约,而且可以提升系统识别性能、减小前向解码时间。针对由大词汇量带来的系统对训练数据需求高和“新字”、OOV汉字无法识别的问题:我们提出稠密结构的部件分析网络(DenseRAN:Radical Analysis Network with Densely Connected Architecture)来分析汉字的二维空间结构和部件组成。在离线中文手写孤立字与文本行识别任务上,DenseRAN这种基于部件分析的模型不仅可以大大减小系统类别数,而且可以识别训练集没有见过的汉字。(本文来源于《中国科学技术大学》期刊2019-05-30）
刘聪[5]（2019）在《大词汇量脱机手写蒙古文整词识别研究》一文中研究指出近年来,随着数字化技术的飞速发展,越来越多的蒙古文手写文献资源被转换成图像格式加以保存。然而,图像格式的蒙古文手写文献资源并不适合词频统计、内容分析、编辑与检索。因此,本文针对脱机手写蒙古文识别问题开展相关研究,为挖掘和利用蒙古文手写文献资源提供便利。蒙古文独特的构词方式导致其词汇量巨大,据统计蒙古文词汇量可达数百万,常用词汇也有几十万。此外,本文所关注的脱机手写蒙古文是非受限书写,在这种条件下,单词书写变形非常严重,这使得脱机手写蒙古文识别任务极具挑战性。针对蒙古文词汇量巨大、书写变形严重等特点,本文提出了适合于蒙古文构词特点和书写方式的整词识别方法。本文的主要工作如下:(1)采用目前文字识别领域最为流行的卷积循环神经网络与连接时序分类器相结合的模型(Convolution Recurrent Neural Network-Connectionist Temporal Classification,CRNN-CTC),实现了脱机手写蒙古文整词识别。在相关脱机手写蒙古文数据集上进行测试,并与该数据集上性能最佳的深度神经网络与隐马尔科夫相结合的模型(Deep Neural Network-Hidden Markov Model,DNN-HMM)进行对比,实验结果表明CRNN-CTC模型比DNN-HMM模型更适合完成脱机手写蒙古文整词识别任务。(2)针对蒙古文构词方式及书写特点,本文提出了具有注意力机制的序列到序列模型,并采用两种不同的帧序列生成方式。该模型将脱机手写识别任务看成手写单词图像帧序列到标签序列的映射问题,而且注意力机制能够解决因输入序列过长导致的信息丢失问题。在大词汇量脱机手写蒙古文数据集上进行测试,所提出模型的性能不但优于DNN-HMM模型,也优于CRNN-CTC模型。实验结果表明具有注意力机制的序列到序列模型不但能在一定程度上克服单词书写变形的影响,同时还能有效解决集外词问题,因此其更适合完成大词汇量脱机手写蒙古文整词识别任务。(3)针对大词汇量脱机手写蒙古文数据集中样本不足的问题,本文采用空间变换方法实现了数据增强。使用该数据增强方法生成新样本,使得增强后数据集的样本数量扩充一倍。之后,在具有注意力机制的序列到序列模型上验证数据增强的效果,实验结果表明本文所提出的数据增强方法能进一步提升识别性能。(本文来源于《内蒙古大学》期刊2019-05-30）
刘志方,陈朝阳,仝文,苏衡[6]（2019）在《阅读中词汇识别依赖词内字序编码的阶段性特点:眼动证据》一文中研究指出研究采用边界范式,通过两项实验考察预视阶段与注视阶段词内字序编码对词频效应的影响,探讨阅读中词汇识别依赖词内字序编码的阶段性特点。实验一发现,预视中词内字序颠倒条件不影响词频效应,说明词汇加工早期对词内字序编码的依赖性较为灵活;实验二发现,注视中词内字序颠倒条件导致词频效应消失,说明词汇加工晚期阶段较为严格地依赖于词内字序编码。综合两项实验的结果可知,词汇识别对词内汉字顺序编码的依赖性随着加工的深入而增强。(本文来源于《心理与行为研究》期刊2019年03期）
刘雪燕[7]（2019）在《高噪声背景下舰船指挥舱大词汇量连续语音识别方法》一文中研究指出传统的舰船指挥舱大词汇量连续语音识别方法存在着识别错误率高的缺陷,为此提出高噪声背景下舰船指挥舱大词汇量连续语音识别方法研究。对采集的连续语音信号进行预加重和预处理,以预处理后的连续语音信号为基础,采用多通道语音增强方法对连续语音信号进行增强,得到纯净连续语音信号估计,采用CDMFCC方法对纯净连续语音信号特征参数进行提取,通过CDHMM方法实现了高噪声背景下舰船指挥舱大词汇量连续语音的识别。通过实验得到,提出的舰船指挥舱大词汇量连续语音识别方法识别错误率比传统方法低了16%,说明提出的舰船指挥舱大词汇量连续语音识别方法识别性能更好。(本文来源于《舰船科学技术》期刊2019年08期）
白玉[8]（2019）在《句子阅读中同音字密度和频率对词汇识别的影响》一文中研究指出汉字中存在大量的同音字,研究者将某个汉字拥有同音字个数的多少称为该汉字的同音字密度,并借此考察语音在视觉和听觉词汇研究中的作用。以往大量研究证明了同音字密度对拼音文字和汉语的词汇识别产生影响,但在两类语言中的表现模式存在差异。在汉语中,对同音字密度效应的研究也并未得到一致的结果。现有同音字加工模型对汉字同音字密度效应的解释存在争论。然而,以往研究主要采用词汇判断和命名任务等来考察单个汉字的识别过程,难以了解在自然的阅读过程中同音字密度是否及如何影响字词加工的。为此,本研究采用精密的Eyelink1000眼动仪,考察在自然的句子阅读任务中同音字密度与词频或音频是否以及如何交互影响句子阅读中的词汇识别。研究一包括实验1和实验2。其中,实验1考察了在句子阅读中是否存在同音字密度效应,以及该效应是否受词频的调节,严格控制了目标词的音频、笔画数和亚词汇信息等因素。结果并没有发现显着的同音字密度效应以及同音字密度与词频的交互作用,其原因可能是对同音字密度的界定是以所有汉字库为基础的,其中涵盖了不常用字或被试不认识的字,这可能并未考虑读者的心理现实性。为了更精确的揭示同音字密度效应,实验2对同音字密度的定义范畴限定在常用字内,再次探讨了同音字密度与词频对目标词的识别。实验2结果与实验1相同。未出现显着的同音字密度的原因可能是,在控制了音频的基础上,各个水平下的目标词语音激活水平程度相当,导致并未表现出显着的语音效应,即同音字密度效应。因此,在研究二中设计了实验3,在控制词频的前提下考察了同音字密度和音频对句子阅读中目标词识别的影响。结果在目标词区域发现,在总注视时间和回视路径时间指标上,同音字密度和音频的交互作用显着:在高音频条件下,读者对同音字密度高的目标词的识别快于同音字密度低的目标词,表现为同音字密度的促进效应;而在低音频条件下,读者对同音字密度高的目标词的识别慢于同音字密度低的目标词,表现为同音字密度的抑制效应,这说明同音字密度对阅读中词汇识别的作用受音频的调节。在本研究的实验条件下,可以得出以下结论:(1)在自然的句子阅读中,当控制了目标词音频的作用时,目标词的同音字密度不影响该词识别,并且不受词频的调节,即使同音字密度限定在常用字范围、更具有心理现实性时,依然如此。(2)在自然的句子阅读中,当控制了目标词词频的作用时,同音字密度对目标词识别的影响受该词的音频信息的调节,并且表现在词汇加工的晚期阶段。与目标词同音的汉字数量影响与该词有关的正字法信息被激活的程度;而目标词音频则影响该词语音信息的激活程度。正字法和语音之间的共同激活程度,最终影响目标字的识别,支持了双通道交互激活模型。(本文来源于《天津师范大学》期刊2019-03-01）
李兆[9]（2019）在《亚词汇信息在汉字识别中的作用》一文中研究指出语言是人类重要的交际工具,是思想交流的媒介。阅读能力是一项重要的技能,在适应现代社会中具有重要作用。词义的理解是篇章阅读理解重要的一部分,词汇识别一直是阅读研究领域的中心主题之一。以往有研究发现部件位置、语音部件、语义部件在汉字识别中有重要作用,但是语音部件和语义部件在汉字识别中的相对作用一直存在争议。本研究使用视觉情境范式的变式,研究熟练阅读者在汉字识别过程中如何使用亚词汇信息:语音部件、语义部件和部件位置信息,同时采用眼动追踪技术记录眼动情况。在视觉情境范式中,我们在电脑屏幕上给被试呈现一个视觉情境,视觉情境由四个视觉词构成,分别为两个假字(如(?),和(?))和两个非字(如(?),和(?))。假字是由语音部件和语义部件按照正字法组合而成,形似真字但不是真字。本研究由叁个实验构成。在实验一中,我们给被试听目标字的语音,同时呈现视觉情境,要求被试从视觉情景中选择出一个他认为最能代表目标字语音的视觉词。在实验二中,我们给被试呈现的是能够代表目标字意义的图片。在实验叁中,我们直接给被试呈现目标字。实验的行为结果和眼动结果一致表明,熟练阅读者在汉字加工过程中会使用部件的位置信息。更重要的是,相对于语义部件,阅读者更倾向于使用语音部件。叁个实验的结果是一致的。本研究获得以下结论:1.熟练阅读者在汉字识别过程中会使用汉字的正字法信息、语音信息和语义信息。2.相对于语义部件,熟练阅读者在汉字编码过程中更倾向于使用汉字的语音部件。3.熟练阅读者在词汇识别过程中优先使用语音部件的策略不受线索信息的影响。(本文来源于《杭州师范大学》期刊2019-03-01）
于秒,丁潼飞[10]（2019）在《汉语词汇识别的声调时长效应》一文中研究指出通过两个实验探讨声调时长在汉语词汇识别中的作用。实验1从声学角度探讨了汉语四个声调的时长差异。研究发现,汉语四个声调中,上声调长最长,去声调长最短,阴平和阳平调长无差异。实验2采用词性判断任务,考察汉语上声调长和去声调长在词汇识别中的时长差异。研究发现,低频词条件下,上声词的反应时长于去声词的反应时。研究结论支持内隐韵律假说。(本文来源于《心理与行为研究》期刊2019年01期）
词汇识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
汉语和英语语言都是由词汇组成,想要深入地理解语言,提升学习效果,必然要加强对词汇的识别。本文以英语二语词汇识别为研究对象,首先简单分析阐述了词汇识别的意义,随后探讨分析了词汇识别的英汉差异,最后提出了一些大学英语教学中词汇识别的现状和对策以供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
词汇识别论文参考文献
[1].周文华.《词汇能力：以词汇量、识别速度和一致性为维度的二语词汇知识》评介[J].外语教学与研究.2019
[2].左宁,姜军.关于英语二语词汇识别的探索[J].英语广场.2019
[3].蒋丽萍.阈下启动情绪图片和词汇对面孔表情识别的影响[D].武汉体育学院.2019
[4].王文超.面向大词汇量离线中文手写识别的简约建模方法研究[D].中国科学技术大学.2019
[5].刘聪.大词汇量脱机手写蒙古文整词识别研究[D].内蒙古大学.2019
[6].刘志方,陈朝阳,仝文,苏衡.阅读中词汇识别依赖词内字序编码的阶段性特点:眼动证据[J].心理与行为研究.2019
[7].刘雪燕.高噪声背景下舰船指挥舱大词汇量连续语音识别方法[J].舰船科学技术.2019
[8].白玉.句子阅读中同音字密度和频率对词汇识别的影响[D].天津师范大学.2019
[9].李兆.亚词汇信息在汉字识别中的作用[D].杭州师范大学.2019
[10].于秒,丁潼飞.汉语词汇识别的声调时长效应[J].心理与行为研究.2019
标签：二语词汇; 《词汇能力：以词汇量; 识别速度和一致性为维度的二语词汇知识》; 二语学习者; 差异系数;