導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇思鄉(xiāng)的詩(shī)詞，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

2、今不見(jiàn)，但山川滿目淚沾衣?！翖壖病赌咎m花慢·席上送張仲固帥興元》

3、巴山楚水凄涼地，二十三年棄置身?！?jiǎng)⒂礤a《酬樂(lè)天揚(yáng)州初逢席上見(jiàn)贈(zèng)》

4、百結(jié)愁腸郁不開(kāi)，此生惆悵異鄉(xiāng)來(lái)?！镨毒湃崭匈x》

5、墻外行人，墻里佳人笑?！K軾《蝶戀花·春景》

6、送老薤鹽何處是，我緣應(yīng)在吳興?！惪恕杜R江仙·四海十年兵不解》

7、淚鴻怨角，空教人瘦?！度瘕堃鳌に兔方颉?/p>

8、唼流牽弱藻，斂翮帶馀霜?！蚣s《詠湖中雁》

9、老至居人下，春歸在客先?！?jiǎng)㈤L(zhǎng)卿《新年作》

10、吠犬雜鳴雞，燈火熒熒歸路迷。——納蘭性德《南鄉(xiāng)子·秋暮村居》

11、湖海倦游客，江漢有歸舟?！獜埿⑾椤端{(diào)歌頭·過(guò)岳陽(yáng)樓作》

12、自從一閉風(fēng)光后，幾度飛來(lái)不見(jiàn)人?！钜妗端鍖m燕》

13、近鄉(xiāng)情更怯，不敢問(wèn)來(lái)人?！沃畣?wèn)《渡漢江》

14、他鄉(xiāng)共酌金花酒，萬(wàn)里同悲鴻雁天?！R照鄰《九月九日玄武山旅眺》

15、相顧無(wú)相識(shí)，長(zhǎng)歌懷采薇?！蹩?jī)《野望》

16、古臺(tái)搖落后，秋日望鄉(xiāng)心?！?jiǎng)㈤L(zhǎng)卿《秋日登吳公臺(tái)上寺遠(yuǎn)眺》

17、永夜角聲悲自語(yǔ)，客心愁破正思家?！粼俊锻稀び闹菥湃铡?/p>

18、薊城通漠北，萬(wàn)里別吾鄉(xiāng)?！铐牎豆湃虑?/p>

19、眇眇孤舟逝，綿綿歸思紆。——陶淵明《始作鎮(zhèn)軍參軍經(jīng)曲阿作》

20、誰(shuí)問(wèn)旗亭，美酒斗十千?！R鑄《行路難·縛虎手》

21、海人無(wú)家海里住，采珠役象為歲賦?！踅ā逗Ｈ酥{》

22、日落征途遠(yuǎn)，悵然臨古城。——李百藥《秋晚登古城》

23、傍鄰聞?wù)叨鄧@息，遠(yuǎn)客思鄉(xiāng)皆淚垂?！铐牎堵?tīng)安萬(wàn)善吹觱篥歌》

24、磧里征人三十萬(wàn)，一時(shí)回向月明看?！钜妗稄能姳闭鳌?/p>

25、正見(jiàn)空江明月來(lái)，云水蒼茫失江路?！?dú)W陽(yáng)修《晚泊岳陽(yáng)》

26、醉后莫思家，借取師師宿?！處椎馈渡樽印ぢ涿吠ラ肯恪?/p>

27、悠悠天宇曠，切切故鄉(xiāng)情。——張九齡《西江夜行》

28、一年將盡夜，萬(wàn)里未歸人。——戴叔倫《除夜宿石頭驛》

29、旅枕元無(wú)夢(mèng)，寒更每自長(zhǎng)?！獏伪局小赌细枳印んA路侵斜月》

30、半窗燈暈，幾葉芭蕉，客夢(mèng)床頭。——《訴衷情·秋情》

31、內(nèi)苑只知含鳳觜，屬車無(wú)復(fù)插雞翹?！钌屉[《茂陵》

32、我夢(mèng)揚(yáng)州，便想到揚(yáng)州夢(mèng)我?！嵺啤稘M江紅·思家》

33、詩(shī)酒社，水云鄉(xiāng)?！翖壖病耳p鴣天·送元濟(jì)之歸豫章》

34、到家應(yīng)是，童稚牽衣，笑我華顛?！獏羌ぁ对V衷情·夜寒茅店不成眠》

35、春風(fēng)一夜吹鄉(xiāng)夢(mèng)，又逐春風(fēng)到洛城?！湓狻洞号d》

36、畫(huà)圖省識(shí)春風(fēng)面，環(huán)佩空歸夜月魂?！鸥Α对亼压袍E五首·其三》

37、遙窺正殿簾開(kāi)處，袍袴宮人掃御床?！Ψ辍秾m詞》

38、憑高遠(yuǎn)望，見(jiàn)家鄉(xiāng)、只在白云深處?！鯙憽赌钆珛伞け艿匾缃瓡?shū)于新亭》

39、白水滿春塘，旅雁每迥翔。——沈約《詠湖中雁》

40、萬(wàn)頃煙波萬(wàn)頃愁。——淮上女《減字木蘭花·淮山隱隱》

41、夜寒茅店不成眠，殘?jiān)抡找鞅?。——吳激《訴衷情·夜寒茅店不成眠》

42、莫道春來(lái)便歸去，江南雖好是他鄉(xiāng)?！豕А洞貉恪?/p>

43、幾度思?xì)w還把酒，拂云堆上祝明妃?！拍痢额}木蘭廟》

44、金甌已缺總須補(bǔ)，為國(guó)犧牲敢惜身！嗟險(xiǎn)阻，嘆飄零?！镨耳p鴣天·祖國(guó)沉淪感不禁》

45、刷羽同搖漾，一舉還故鄉(xiāng)。——沈約《詠湖中雁》

46、夜聽(tīng)胡笳折楊柳，教人意氣憶長(zhǎng)安。——王翰《涼州詞二首》

47、共看明月應(yīng)垂淚，一夜鄉(xiāng)心五處同。——白居易《望月有感》

48、兒童見(jiàn)說(shuō)深驚訝，卻問(wèn)何方是故鄉(xiāng)。——殷堯藩《同州端午》

49、其三阻涉鯨波寇盜森，中原回首涕沾襟?！罹V《渡海至瓊管天寧寺詠阇提花三首》

50、移家雖帶郭，野徑入桑麻?！ㄈ弧秾り戻櫇u不遇》

51、升高欲自舒，彌使遠(yuǎn)念來(lái)?！谠断婵陴^瀟湘二水所會(huì)》

52、門(mén)有車馬客，駕言發(fā)故鄉(xiāng)?！憴C(jī)《門(mén)有車馬客行》

53、故國(guó)山川，故園心眼，還似王粲登樓?！苊堋兑惠嗉t·登蓬萊閣有感》

54、雁足無(wú)書(shū)古塞幽?！愤_(dá)祖《鷓鴣天·衛(wèi)縣道中有懷其人》

55、從今后，夢(mèng)魂千里，夜夜岳陽(yáng)樓?！炀龑毱蕖稘M庭芳·漢上繁華》

56、淮南皓月冷千山，冥冥歸去無(wú)人管?！纭短ど小ぷ糟鏂|來(lái)》

57、不道中原歸思、轉(zhuǎn)凄涼。——呂本中《南歌子·驛路侵斜月》

58、風(fēng)露浩然，山河影轉(zhuǎn)，今古照凄涼?！惲痢兑粎不āは猛嬖伦鳌?/p>

59、芳草已云暮，故人殊未來(lái)?！f莊《章臺(tái)夜思》

60、不忍登高臨遠(yuǎn)，望故鄉(xiāng)渺邈，歸思難收?！馈栋寺暩手荨?duì)瀟瀟暮雨灑江天》

61、明朝望鄉(xiāng)處，應(yīng)見(jiàn)隴頭梅?！沃畣?wèn)《題大庾嶺北驛》

62、烽火平安夜，歸夢(mèng)到家山。——崔與之《水調(diào)歌頭·題劍閣》

63、辜負(fù)枕前云雨，尊前花月?！獜?jiān)伞妒萋ず篮邸?/p>

64、我醉歌時(shí)君和，醉倒須君扶我，惟酒可忘憂?！K軾《水調(diào)歌頭·安石在東海》

65、夜來(lái)風(fēng)雨，春歸似欲留人。——辛棄疾《上西平·送杜叔高》

66、滿衣血淚與塵埃，亂后還鄉(xiāng)亦可哀?！邌ⅰ端完愋悴胚€沙上省墓》

67、未老莫還鄉(xiāng)，還鄉(xiāng)須斷腸。——韋莊《菩薩蠻·人人盡說(shuō)江南好》

68、江漢思?xì)w客，乾坤一腐儒?！鸥Α督瓭h》

69、二月江南花滿枝，他鄉(xiāng)寒食遠(yuǎn)堪悲?！显魄洹逗场?/p>

70、茂苑人歸，秦樓燕宿，同惜天涯為旅?！洱R天樂(lè)·新煙初試花如夢(mèng)》

71、那邊云筋銷啼粉，這里車輪轉(zhuǎn)別腸?！翖壖病耳p鴣天·送元濟(jì)之歸豫章》

72、上有流思人，懷舊望歸客?！x朓《送江水曹還遠(yuǎn)館》

73、綺羅心，魂夢(mèng)隔，上高樓?！獙O光憲《酒泉子·空磧無(wú)邊》

74、東風(fēng)漸綠西湖柳，雁已還、人未南歸?！苊堋陡哧?yáng)臺(tái)·送陳君衡被召》

75、萬(wàn)里歸船弄長(zhǎng)笛，此心吾與白鷗盟。——黃庭堅(jiān)《登快閣》

76、鄉(xiāng)國(guó)真堪戀，光陰可合輕?！拙右住堵鍢蚝橙兆魇崱?/p>

77、臥龍躍馬終黃土，人事音書(shū)漫寂寥?！鸥Α堕w夜》

78、青山朝別暮還見(jiàn)，嘶馬出門(mén)思舊鄉(xiāng)。——李頎《送陳章甫》

篇2

洛陽(yáng)城里見(jiàn)秋風(fēng)，欲作家書(shū)意萬(wàn)重。

復(fù)恐匆匆說(shuō)不盡，行人臨發(fā)又開(kāi)封。

2、《歸家》唐·杜牧

稚子牽衣問(wèn)，歸來(lái)何太遲？

共誰(shuí)爭(zhēng)歲月，贏得鬢邊絲？

3、《九月九日憶山東兄弟》唐·王維

獨(dú)在異鄉(xiāng)為異客，每逢佳節(jié)倍思親。

遙知兄弟登高處，遍插茱萸少一人。

4、《鄉(xiāng)思》宋·李覯

人言落日是天涯，望極天涯不見(jiàn)家。

篇3

一、 “同類二次根式”與“同類項(xiàng)”

【解析】（1）（2）組中的二次根式被開(kāi)方數(shù)相同，稱為同類二次根式；而第（3）組中二次根式，經(jīng)過(guò)化簡(jiǎn)后被開(kāi)方數(shù)也相同，所以也是同類二次根式.

【感悟】七年級(jí)時(shí)確定同類項(xiàng)的方法：一看字母要相同，二看相同字母的指數(shù)分別相同，三不看系數(shù). 現(xiàn)在判斷同類二次根式的方法：一化為最簡(jiǎn)，二看被開(kāi)方數(shù)，三不看根號(hào)外的系數(shù).

二、 “合并同類二次根式”與“合并同類項(xiàng)”

【感悟】整式的加減的實(shí)質(zhì)就是合并同類項(xiàng)，而二次根式加減的實(shí)質(zhì)就是合并同類二次根式；利用類比的思想可歸納二次根式加減的步驟：一化簡(jiǎn)，二尋找，三合并.

三、 “二次根式的乘除運(yùn)算”與“整式的乘除運(yùn)算”

【解析】二次根式的乘除運(yùn)算中，出現(xiàn)了類似多項(xiàng)式乘以單項(xiàng)式、多項(xiàng)式除以單項(xiàng)式，多項(xiàng)式乘以多項(xiàng)式的運(yùn)算，因此整式的乘法法則和乘法公式仍然適用. 同學(xué)們自己嘗試計(jì)算.

篇4

為什么在歷史研究中出現(xiàn)了這樣的修辭轉(zhuǎn)向，其原因比較復(fù)雜，除了對(duì)以往在歷史研究中一直強(qiáng)調(diào)歷史的事實(shí)和規(guī)律的不同認(rèn)識(shí)之外，再就是對(duì)歷史研究的客體有了新的理解。如果說(shuō)歷史研究是對(duì)過(guò)去的世界，或者說(shuō)社會(huì)做出解釋，那么現(xiàn)在，歷史學(xué)家已經(jīng)開(kāi)始將這個(gè)過(guò)去的世界與社會(huì)分為兩種：一是實(shí)體性的社會(huì)，二是由儀式、象征與語(yǔ)言所構(gòu)成的虛體社會(huì)，即如霍布斯所說(shuō)的"人工的世界"。過(guò)去，歷史研究關(guān)注于實(shí)體的世界，現(xiàn)在開(kāi)始重視這個(gè)"人工的世界"。而這個(gè)"人工的世界"的變化則在某種程度上是由于我們所運(yùn)用不同的語(yǔ)言而引起的，或者說(shuō)，我們是通過(guò)運(yùn)用不同詞語(yǔ)進(jìn)行描述與評(píng)價(jià)的方式來(lái)改變與建構(gòu)著這個(gè)"人工的世界"。正是在這一意義上，修辭就成為理解這個(gè)"人工的世界"的獨(dú)特的重要內(nèi)容，修辭性的再描述和再評(píng)價(jià)的功能自然也就在歷史研究中發(fā)揮著重要的作用，成為了歷史研究的一種方法。

具體而言，就思想史研究與這個(gè)"人工的世界"的關(guān)系來(lái)說(shuō)，它包括以下幾個(gè)方面：

第一，在一個(gè)社會(huì)中，人們所運(yùn)用的某些特定的詞匯改變了內(nèi)容或視角，或者該詞匯本身被廢棄，我們需要對(duì)此進(jìn)行追溯和研究。例如"政府"，在16、17世紀(jì)時(shí)的一批思想家那里，都稱為"公民政府"（civil government），為什么后來(lái)就不再這樣稱呼，而沒(méi)有了"civil"這樣的前綴詞。（例如，洛克的《政府論》這個(gè)標(biāo)題就是用"civil government"這樣的詞語(yǔ)）

第二，我們用來(lái)描寫(xiě)和評(píng)價(jià)我們這個(gè)社會(huì)與世界的詞匯的含義始終并不固定，有時(shí)甚至相反。例如馬基雅維里將慷慨看成為美德，而在歐洲其他地區(qū)則為惡行。

第三，在任何社會(huì)中，我們所接受的概念含義和觀念的變化（如轉(zhuǎn)換，衰退、取消或者不被接受）常常體現(xiàn)為一種修辭。斯金納說(shuō)："沒(méi)有一般概念的歷史，只有其在辯論中用法的歷史。"（李宏圖、胡傳勝譯：前引書(shū)，第37頁(yè)）這里的"辯論"指的就是修辭。因此，"概念"不能僅僅歸結(jié)為意義，相反，某個(gè)概念的意義維度始終與語(yǔ)言行動(dòng)相關(guān)聯(lián)。（李宏圖、胡傳勝譯：前引書(shū)，第37頁(yè)）如對(duì)社會(huì)價(jià)值的變化與重新評(píng)價(jià)，在我們接受了某種社會(huì)價(jià)值觀的時(shí)候，可能僅僅是由于修辭的勸說(shuō)我們才得以接受。還有，同一件事情，起初人們并不接受，而在當(dāng)你重新描寫(xiě)后，并且勸說(shuō)了你的聽(tīng)眾接受了你的重新描寫(xiě)，你也就接受了這一件事情，但沒(méi)有人意識(shí)到這些修辭所表述的只是同一件事情。因此，修辭上所說(shuō)的"打動(dòng)"(move)就格外重要。對(duì)此，最為典型的莫過(guò)于在古代希臘，據(jù)記載，卡尼德斯前一天令人信服地說(shuō)服人們支持這場(chǎng)正義的戰(zhàn)爭(zhēng)，在隨后的第二天，他又同樣將這場(chǎng)戰(zhàn)爭(zhēng)說(shuō)成是非正義的，并成功地說(shuō)服他們反對(duì)這場(chǎng)非正義的戰(zhàn)爭(zhēng)。因此，正如霍布斯所說(shuō)，即使如果用演繹的方式來(lái)論證道德和政治原則是可能的，但我們的論點(diǎn)也決不會(huì)有說(shuō)服力，除非我們用修辭藝術(shù)來(lái)加強(qiáng)這些論點(diǎn)。

第四，在政治領(lǐng)域，修辭不僅是一種文法技巧，而且也成為了一種政治文化，從而影響了不同國(guó)家的政治體制的發(fā)展。早在古代希臘時(shí)期，著名的思想家西塞羅就反復(fù)強(qiáng)調(diào)，公民科學(xué)的思想是由兩種不可或缺的成分構(gòu)成：一種是理性，這是使我們有能力揭示真理的能力；另外一種是修辭，這是使我們有能力以雄辯的方式展示真理的藝術(shù)。由于理性缺乏任何說(shuō)服我們并把我們帶向真理光芒的內(nèi)在能力，這樣，公民科學(xué)的一個(gè)關(guān)鍵性內(nèi)容就是要有雄辯的藝術(shù)形式，即修辭學(xué)，其功能是以一種精心設(shè)計(jì)的說(shuō)服人們的方式來(lái)說(shuō)服人。這樣的一種公民民主政治文化傳統(tǒng)一直延續(xù)了下來(lái)，成為了很多國(guó)家的政治文化傳統(tǒng)。如英國(guó)議會(huì)有論辯的傳統(tǒng)，而法國(guó)則沒(méi)有。英國(guó)議會(huì)的論辯在本質(zhì)上則是一種修辭，由此，也使修辭成為了英國(guó)特有的一種政治活動(dòng)、政治傳統(tǒng)和政治文化。而這樣兩個(gè)不同的政治文化傳統(tǒng)反過(guò)來(lái)又對(duì)兩個(gè)國(guó)家的政治體制產(chǎn)生了重要的影響。正是從這樣的一種修辭性的政治文化傳統(tǒng)中，我們可以揭示出，為什么英國(guó)的議會(huì)成為了能夠?qū)ν鯔?quán)起著某種制約的力量，而在法國(guó)，則在幾百年內(nèi)沒(méi)有召開(kāi)過(guò)三級(jí)議會(huì)，形成了強(qiáng)大的王權(quán)。應(yīng)該看到，這里所講的修辭不僅是指文字上的，而且還包括了"雄辯"的演說(shuō)。如果從歷史上來(lái)看，早在古代希臘和羅馬時(shí)期，它就已經(jīng)成為了民主政治的重要內(nèi)容，因此也就成為了一個(gè)國(guó)家特有的政治文化。這樣，我們就需要從修辭的視角來(lái)對(duì)此加以進(jìn)行研究。

篇5

關(guān)鍵詞：詞相似度；詞表示；免疫原理；分布式語(yǔ)義假設(shè)

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)號(hào)：A 文章編號(hào)：2095-2163（2014）02-

Word Similarity Measure based on Immune Principles Inspired Word Representation

YANG Jinfeng， GUAN Yi

（School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150001， China）

Abstract： Word similarity measure is important to researches on natural language processing， information extraction， etc. Corpus based similarity computing is a most important type of methods for the task， by which word vector-representations are learnt from corpuses and are applied for word similarity measure with a cosine function. This research proposes a new method for word similarity computing based on immune principles inspired word representations. The proposed method is validated on the data set of SemEval 2012 Task 4 and is compared with other published researches. Experimental results show that the proposed method is effective and outperforms most other published researches.

Keywords： Word Similarity； Word Representation； Immune Principle； Distributional Hypothesis

0 引 言

面向詞的語(yǔ)義相似度問(wèn)題主要體現(xiàn)在兩個(gè)方面的研究，一個(gè)是基于屬性相似的詞語(yǔ)義相似度，一個(gè)是基于模式相似的詞關(guān)系相似度[1]。本研究主要關(guān)注基于屬性相似的詞語(yǔ)義相似度計(jì)算。如果兩個(gè)詞之間有較高的屬性相似度，那么稱這兩個(gè)詞為義詞。詞相似度計(jì)算是為了挖掘語(yǔ)義相似的詞或者相關(guān)的詞，用于緩解數(shù)據(jù)稀疏的問(wèn)題，因而在自然語(yǔ)言處理、信息抽取、信息檢索等任務(wù)中發(fā)揮重要作用，比如特征抽取、查詢擴(kuò)展、問(wèn)句匹配等。詞語(yǔ)義相似度計(jì)算方法主要有兩類，一類是基于詞典或敘詞表的方法，這類方法的典型特點(diǎn)是通過(guò)計(jì)算詞典中與兩個(gè)詞相關(guān)聯(lián)的邊的數(shù)量計(jì)算詞的相似度；另一類方法是基于語(yǔ)料的方法，這類方法的典型特點(diǎn)是獲取詞的上下文信息，處于相似上下文的詞具有一定的相似度[2]。第二類方法不受限于詞典的規(guī)模，可擴(kuò)展性好，逐漸成為主流方法。本研究采用第二類方法，從語(yǔ)料中學(xué)習(xí)詞的向量表示，并基于詞表示計(jì)算詞的相似度。現(xiàn)有的詞表示方法研究都不具備持續(xù)學(xué)習(xí)能力，無(wú)法適應(yīng)新的語(yǔ)料或者新的領(lǐng)域。為此，一種新的基于適應(yīng)性免疫原理的多詞主體自治學(xué)習(xí)模型[3]和基于免疫原理的詞表示方法[4]被提出來(lái)?；诿庖咴淼脑~表示實(shí)際上也是從詞所在的語(yǔ)句中獲取與該詞相關(guān)的上下文信息，因而基于免疫原理的詞表示用于詞相似度計(jì)算是很自然的應(yīng)用點(diǎn)。本文提出一種新的基于免疫原理詞表示的詞相似度計(jì)算方法，并在SemEval 2012 Task 4數(shù)據(jù)上進(jìn)行了驗(yàn)證。通過(guò)對(duì)比實(shí)驗(yàn)證明，本文提出的詞相似度計(jì)算方法不僅可行、而且有效。

1 相關(guān)工作

詞相似度計(jì)算在應(yīng)用中具有非常重要的意義，因而該研究一直備受關(guān)注。基于詞典的方法簡(jiǎn)單易行，并且準(zhǔn)確率較高，但是受限于詞典的規(guī)模。在開(kāi)放領(lǐng)域，常用的詞典有：英文詞典是WordNet，中文詞典是Hownet、同義詞詞林（擴(kuò)展版）等。在其他特定領(lǐng)域，為了能準(zhǔn)確判斷兩個(gè)詞的語(yǔ)義相同，不惜花費(fèi)大量人力維護(hù)一個(gè)龐大的知識(shí)庫(kù)，比如醫(yī)療領(lǐng)域中的UMLS。知識(shí)庫(kù)如此重要，以至于需要采用基于語(yǔ)料的方法計(jì)算詞的相似度來(lái)挖掘同義詞或相關(guān)詞，完善知識(shí)庫(kù)。

在各類互聯(lián)網(wǎng)應(yīng)用蓬勃發(fā)展的時(shí)代，獲得海量的文本數(shù)據(jù)變得很便捷，因而基于語(yǔ)料的詞相似度計(jì)算能自動(dòng)挖掘出更多的同義詞（或候選）。本文主要關(guān)注基于普通文本語(yǔ)料的詞相似度計(jì)算研究。這類研究最常見(jiàn)的思路是學(xué)習(xí)每個(gè)詞的向量表示，基于詞的向量表示，計(jì)算詞的相似度，一般采用余弦相似度方法作為相似度值的度量。Baroni[5]等對(duì)語(yǔ)料進(jìn)行依存分析后構(gòu)建分布式詞表示，在RG-65[6]評(píng)價(jià)數(shù)據(jù)上取得評(píng)價(jià)結(jié)果僅次于最好的系統(tǒng)。Turney[9]突破了常規(guī)思路，把詞表示成兩個(gè)向量，一個(gè)向量表示詞的領(lǐng)域?qū)傩裕渚S度由當(dāng)前詞上下文中的名詞組成，一個(gè)向量表示詞的功能屬性，其維度由當(dāng)前詞上下文中的動(dòng)詞組成，基于詞的功能屬性計(jì)算算詞之間的語(yǔ)義相似度，基于詞的領(lǐng)域?qū)傩?，?jì)算詞之間的語(yǔ)義相關(guān)度，該方法在Chiarello等[7]構(gòu)建的評(píng)價(jià)集上對(duì)相關(guān)度和相似度有較好的區(qū)分能力。Mikolov等[8]首次將詞嵌入（由神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的分布式詞表示）成功應(yīng)用于詞相似度計(jì)算，并開(kāi)發(fā)了開(kāi)源工具word2vec，使詞嵌入研究迅速成為自然語(yǔ)言研究中的熱點(diǎn)之一。Levy等[9]則是先對(duì)語(yǔ)料進(jìn)行依存分析后，把詞所處的依存弧也作為神經(jīng)網(wǎng)絡(luò)的輸入學(xué)習(xí)詞嵌入，在WS-353[10]評(píng)價(jià)數(shù)據(jù)上取得結(jié)果要優(yōu)于上下文特征抽取算法Skip-gram。Levy等[11]比較了詞嵌入和分布式詞表示在詞相似度計(jì)算任務(wù)上的表現(xiàn)，詞嵌入并不總是優(yōu)于分布式詞表示，而且認(rèn)為在詞嵌入上的成功經(jīng)驗(yàn)也能遷移到分布式詞表示上，并通過(guò)實(shí)驗(yàn)驗(yàn)證。Yih等[12]整合語(yǔ)料庫(kù)、搜索日志和詞典構(gòu)造混合分布式詞表示，計(jì)算詞的相似度，該方法在多種評(píng)價(jià)數(shù)據(jù)上（WS-353[10]，WS-sim和WS-rel[13]，RG-65[6]，MC-30[14]，Mturk-287[15]）都取得了最好的結(jié)果。

在中文方面，基于語(yǔ)料的詞相似度計(jì)算研究也開(kāi)始引起研究者的關(guān)注，但是中文詞相似度評(píng)價(jià)數(shù)據(jù)比較缺乏，有些研究采用同義詞詞林（擴(kuò)展版）進(jìn)行評(píng)價(jià)，或者參照英文的評(píng)價(jià)數(shù)據(jù)自行構(gòu)建中文的評(píng)價(jià)數(shù)據(jù)。石靜等[16]在新華社新聞?wù)Z料和搜狗網(wǎng)絡(luò)語(yǔ)料分別基于窗口上下文特征和基于依存關(guān)系構(gòu)建詞的向量表示，用余弦相似度方法計(jì)算詞的相似度，根據(jù)詞語(yǔ)在語(yǔ)料中出現(xiàn)的頻次，選擇一批出現(xiàn)在同義詞詞林（擴(kuò)展版）中的高頻詞，進(jìn)行評(píng)價(jià)。這類方法可以比較系統(tǒng)在不同詞性上的評(píng)價(jià)值，但是不便于客觀公正地和其他研究對(duì)比。王石等[17]采用詞在二詞名詞短語(yǔ)中的搭配詞作為其上下文抽取特征構(gòu)造詞的向量表示，在自行構(gòu)建的評(píng)價(jià)數(shù)據(jù)上進(jìn)行了評(píng)價(jià)。而且，同時(shí)又參照英文同義詞評(píng)價(jià)集MC-30[14]構(gòu)建了包含70個(gè)詞對(duì)的評(píng)價(jià)集，詞性包括名詞、動(dòng)詞和形容詞三類。在該評(píng)價(jià)數(shù)據(jù)的名詞、動(dòng)詞和形容詞中，這一方法分別取得了0.703、0，50.9和0.700的相關(guān)系數(shù)。目前公開(kāi)并且可獲取到的中文詞相似度評(píng)價(jià)數(shù)據(jù)是SemEval-2012 Task 4的數(shù)據(jù)，該評(píng)價(jià)數(shù)據(jù)參照WS-353[10]構(gòu)建，包含348個(gè)詞對(duì)，50個(gè)詞對(duì)用于開(kāi)發(fā)。在評(píng)測(cè)提交的結(jié)果中，最好的結(jié)果達(dá)到0.05的相關(guān)系數(shù)[18]。本文實(shí)驗(yàn)采用這個(gè)評(píng)價(jià)數(shù)據(jù)。

2 基于免疫原理詞表示的詞相似度計(jì)算

2.1 詞的表示

文獻(xiàn)[4]提出了基于免疫原理的詞表示和學(xué)習(xí)模型，該詞表示受B細(xì)胞和詞的一致性啟發(fā)。在語(yǔ)句的依存結(jié)構(gòu)中，一個(gè)詞既處于支配的上下文中，又處于依賴的上下文中，因此基于免疫原理的詞表示是把詞表示成兩個(gè)向量，一個(gè)向量表示詞的支配屬性，另一個(gè)向量表示詞的依賴屬性。詞表示方法如圖1所示。

圖1 基于免疫原理的詞表示

Fig.1 Immune principles inspired word representation

詞 的形式化表示如式（1）和式（2）所示，互補(bǔ)位 表示詞 的支配屬性及對(duì)應(yīng)的權(quán)重，獨(dú)特性 表示詞 的依賴屬性及對(duì)應(yīng)的權(quán)重。

（1）

（2）

2.2詞相似度計(jì)算

分布語(yǔ)義假設(shè)（Distributional Hypothesis）認(rèn)為出現(xiàn)在相似上下文的詞具有相似的語(yǔ)義[19-20]。在本研究中，有關(guān)詞的上下文分開(kāi)為支配上下文和依賴上下文，因此，可把分布語(yǔ)義假設(shè)擴(kuò)展為：如果兩個(gè)詞具有相似的支配上下文和相似的依賴上下文，那么兩個(gè)詞具有相似的語(yǔ)義?；谠摷僭O(shè)，詞 和詞 的相似度計(jì)算公式如式（3）所示。

（3）

在式（3）中， 是余弦相似度函數(shù)， 和 分別表示詞的支配屬性向量和依賴屬性向量。余弦相似度函數(shù)的值域?yàn)閇-1，1]，式（3）要求相似度值不能小于0，否則就改變了函數(shù)值的正負(fù)號(hào)，在計(jì)算式（3）之前，需要把余弦相似度函數(shù)值通過(guò)函數(shù) 轉(zhuǎn)換到[0， 1]區(qū)間。

3 實(shí)驗(yàn)結(jié)果與分析

SemEval-2012第4個(gè)任務(wù)了一套標(biāo)準(zhǔn)的中文詞相似度評(píng)價(jià)數(shù)據(jù)，該數(shù)據(jù)能客觀公平地評(píng)價(jià)詞相似度計(jì)算模型的準(zhǔn)確率。本文接下來(lái)介紹基于免疫原理的詞表示在該數(shù)據(jù)上的實(shí)驗(yàn)和評(píng)價(jià)結(jié)果。

3.1 評(píng)價(jià)數(shù)據(jù)和評(píng)價(jià)指標(biāo)

評(píng)價(jià)數(shù)據(jù)包含347個(gè)詞對(duì)，其中50個(gè)詞對(duì)用于開(kāi)發(fā)，297個(gè)詞對(duì)用于評(píng)價(jià)。每一個(gè)詞對(duì)由20位母語(yǔ)為中文的標(biāo)注者賦予一個(gè)相似度值，相似度值范圍取值是[0，5]，賦予的值越大，兩個(gè)詞的語(yǔ)義相似度越大，5意味著兩個(gè)詞的語(yǔ)義完全相同，0意味著兩個(gè)詞沒(méi)有任何關(guān)系。每一個(gè)詞對(duì)賦予的相似度值的平均值作為該詞對(duì)的相似度值。根據(jù)相似度值，將這些詞對(duì)按照相似度值降序排序，此順序作為評(píng)價(jià)數(shù)據(jù)的黃金標(biāo)準(zhǔn)。詞相似度計(jì)算模型計(jì)算每個(gè)詞對(duì)的相似度值，并且按照相似度值排序，模型給出的詞對(duì)排序與評(píng)價(jià)數(shù)據(jù)的排序進(jìn)行比較，計(jì)算兩個(gè)排序的相關(guān)度，相關(guān)度計(jì)算采用肯德?tīng)栂禂?shù)[21]?？系?tīng)栂禂?shù)計(jì)算公式如式（4）所示。

（4）

其中，N是詞對(duì)的總數(shù)， 和 是對(duì)詞對(duì)的兩個(gè)排序， 是保證 和 排序相同而需要相鄰交換的最小次數(shù)。 的意義可解釋為排序一致的詞對(duì)百分比減去排序不一致的詞對(duì)百分比。 的取值范圍是[-1，1]， 的值越大，表明兩個(gè)排序一致性越高，-1意味著兩個(gè)排序完全相反，1意味著兩個(gè)排序完全一致。

3.2 詞表示學(xué)習(xí)語(yǔ)料和實(shí)驗(yàn)過(guò)程

多詞主體自治學(xué)習(xí)模型的訓(xùn)練語(yǔ)料采用中文濱州樹(shù)庫(kù)轉(zhuǎn)換的依存樹(shù)庫(kù)[22， 23]，一共18 602句，在該樹(shù)庫(kù)上學(xué)習(xí)特征的權(quán)重。詞表示學(xué)習(xí)語(yǔ)料為中文Gigaword第5版，選用了光明日?qǐng)?bào)（gmw_cmn）和新華社（xin_cmn）新聞?wù)Z料。由于詞表示構(gòu)建需要抽取詞在語(yǔ)句中依存結(jié)構(gòu)的上下文特征，所以需要對(duì)語(yǔ)料進(jìn)行分詞和詞性標(biāo)注和依存分析。在實(shí)驗(yàn)中，分詞和詞性標(biāo)注均采用斯坦福的模型[24-25]，依存分析采用目前速度最快的模型EasyFirst[26]。詞表示構(gòu)建流程如下：

（1）從中文Gigaword語(yǔ)料中抽取正文

（2）按照句號(hào)、問(wèn)號(hào)等規(guī)則進(jìn)行句子切分

（3）對(duì)語(yǔ)句依次進(jìn)行分詞、詞性標(biāo)注和依存分析

（4）抽取語(yǔ)句依存結(jié)構(gòu)中依存對(duì)的特征，把依存對(duì)的上下文特征分別作為依賴詞的依賴上下文特征和支配詞的支配上下文特征。

（5）合并語(yǔ)料中相同詞的依賴上下文特征和支配上下文特征，形成詞的兩支向量表示，特征的權(quán)重從多詞主體自治學(xué)習(xí)模型中獲取。

基于該詞表示，計(jì)算評(píng)價(jià)數(shù)據(jù)中每個(gè)詞對(duì)的相似度值并排序。

3.3實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)在兩組數(shù)據(jù)上展開(kāi)，一組實(shí)驗(yàn)室采用的語(yǔ)料是光明日?qǐng)?bào)語(yǔ)料，另一組實(shí)驗(yàn)室采用的語(yǔ)料是光明日?qǐng)?bào)語(yǔ)料和新華社語(yǔ)料，對(duì)比試驗(yàn)是為了比較不同語(yǔ)料規(guī)模對(duì)詞表示學(xué)習(xí)的影響。為了驗(yàn)證本文對(duì)分布式語(yǔ)義假設(shè)擴(kuò)展的必要性，研究把詞的支配向量和依賴向量合并為一個(gè)向量，用余弦相似度函數(shù)計(jì)算詞之間的相似度，并進(jìn)行比較。

對(duì)比實(shí)驗(yàn)結(jié)果如表1所示。對(duì)比實(shí)驗(yàn)說(shuō)明擴(kuò)大語(yǔ)料規(guī)模能學(xué)習(xí)到更好的詞表示，其原因是從更大規(guī)模的語(yǔ)料能獲取到更多的詞上下文信息，這一點(diǎn)對(duì)低頻詞更為重要。如表1所示，合并后的單一向量詞表示的評(píng)價(jià)結(jié)果相較于兩支向量詞表示的評(píng)價(jià)結(jié)果要低，這一比較結(jié)果證明了基于免疫原理詞表示的詞相似度計(jì)算方法具有一定的優(yōu)越性，也說(shuō)明本文對(duì)分布式語(yǔ)義假設(shè)的擴(kuò)展是有效的。

表1 不同語(yǔ)料上詞相似度評(píng)結(jié)果

Tab.1 Evaluations for word similarity on different corpuses

語(yǔ)料集 詞表示方式 相似度排序相關(guān)性（ ）

光明日?qǐng)?bào) 兩支 0.1997

光明日?qǐng)?bào)+新華社 兩支 0.2223

光明日?qǐng)?bào)+新華社 合并為一支 0.1910

表2列出了其他研究在該數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果。表中前4個(gè)是SemEval-2012在該數(shù)據(jù)集上的評(píng)測(cè)結(jié)果[18]， 第五個(gè)是Peng Jin等[27]在該數(shù)據(jù)上的進(jìn)一步研究結(jié)果，最后一個(gè)是開(kāi)源工具word2vec在該數(shù)據(jù)上的結(jié)果呈現(xiàn)。運(yùn)行word2vec的參數(shù)為：抽取上下文的算法是skip-gram、輸出向兩維度是200、窗口最大值5、訓(xùn)練算法是分層softmax，訓(xùn)練語(yǔ)料是光明日?qǐng)?bào)語(yǔ)料和新華社語(yǔ)料。這6個(gè)研究都采用基于語(yǔ)料的詞相似度計(jì)算方法，并且采用的語(yǔ)料都是中文Gigaword，因而和本文的研究具有可比性。

表2其他研究的評(píng)價(jià)結(jié)果

Tab.2 Evaluation results of other researches

對(duì)比系統(tǒng) 詞對(duì)相似度排序相關(guān)性（ ）

MIXCC 0.050

MIXCD 0.040

Guo-ngram 0.007

Guo-words -0.011

Peng Jin 2012[27]

0.023

word2vec 0.3405

從表1和表2對(duì)比結(jié)果可以看出，本文的實(shí)驗(yàn)結(jié)果明顯優(yōu)于其他研究的結(jié)果，但是和word2vec的評(píng)價(jià)結(jié)果有一定的差距。對(duì)比結(jié)果證明了本研究提出的基于免疫原理的類B細(xì)胞詞表示以及相似度計(jì)算方法在中文詞相似度計(jì)算這一任務(wù)上是有效的，并且有較大的優(yōu)勢(shì)和潛力。

4 結(jié)束語(yǔ)

本文主要是把基于免疫原理的詞表示應(yīng)用到中文詞相似度計(jì)算任務(wù)上，并提出新的詞相似度計(jì)算方法，以驗(yàn)證詞表示的有效性。本文實(shí)驗(yàn)從中文Gigaword新聞?wù)Z料中構(gòu)建詞表示，在SemEval-2012第四個(gè)任務(wù)的數(shù)據(jù)上進(jìn)行了評(píng)價(jià)，評(píng)價(jià)結(jié)果明顯優(yōu)于該數(shù)據(jù)上其他研究結(jié)果。實(shí)驗(yàn)結(jié)果證明了詞表示的有效性。詞相似度計(jì)算是詞表示的直接應(yīng)用，因此提高此相似度計(jì)算方法的性能關(guān)鍵在于進(jìn)一步改善詞表示的學(xué)習(xí)方法。后續(xù)工作將繼續(xù)圍繞詞表示構(gòu)建和學(xué)習(xí)展開(kāi)，使學(xué)習(xí)到的詞表示能表達(dá)出更多的句法和語(yǔ)義信息。

參考文獻(xiàn)：

[1] BARONI M， LENCI A.Distributional memory： A general framework for Corpus-Based Semantics [J]. Comput. Linguist.， Dec. 2010， 36（4）： 673C721.

[2] LI Y， BANDAR Z A， MCLEAN D.An approach for measuring semantic similarity between Words using multiple information sources [J]. IEEE Trans. Knowl. Data Eng.， 2003， 15（4）： 871C882.

[3] JINFENG Y， YI G， XISHUANG D.Multi-word-agent autonomous learning model for regulating Word combination strength [J]. Int. J. Multimed. Ubiquitous Eng.， 2015， 10（4）.

[4] YANG J， GUAN Y， DONG X， et al. Representing words as lymphocytes [C]//Twenty-Eighth AAAI Conference on Artificial Intelligence， Quebec， Canada：AAAI，2014： 3146C3147.

[5] BARONI M， LENCI A.Distributional memory： A general framework for Corpus-Based Semantics [J]. Comput. Linguist.， Dec. 2010， 36（4）： 673C721.

[6] RUBENSTEIN H， GOODENOUGH J B.Contextual correlates of synonymy [J]. Commun. ACM， 1965， 8（10）： 627C633.

[7] CHIARELLO C， BURGESS C， RICHARDS L， et al. Semantic and associative priming in the cerebral hemispheres： some words do， some words don’t ... sometimes， some places [J]. Brain Lang.， 1990， 38（1）： 75C104.

[8] MIKOLOV T， CHEN K， CORRADO G， et al. Efficient estimation of Word representations in Vector Space [J]. arXiv Prepr.， Jan. 2013.

[9] LEVY O， GOLDBERG Y. Dependency-based word embeddings [C]//Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics （Volume 2： Short Papers）， Battimore，Maryland：Association for Computational Linguistics，2014： 302C308.

[10] FINKELSTEIN L， GABRILOVICH E， MATIAS Y， et al.Placing search in context： The concept revisited [J]. ACM Trans. Inf. Syst.， 2002， 20（1）： 116C131.

[11] LEVY O， GOLDBERG Y， DAGAN I. Improving distributional similarity with lessons learned from word embeddings [J]. Trans. Assoc. Comput. Linguist.， 2015.

[12] YIH W， QAZVINIAN V. Measuring word relatedness using heterogeneous vector space models [C]// Proceedings of the 2012 Conference of the North American Chapter of the Association for Computational Linguistics： Human Language Technologies， Montr，Canada：June， 2012：616C620.

[13] AGIRRE E， ALFONSECA E， HALL K， et al. A study on similarity and relatedness using distributional and WordNet-based approaches [C]//Proceedings of Human Language Technologies： The 2009 Annual Conference of the North American Chapter of the Association for Computational Linguistics， Boulder， Colorado， USA： Springer2009， 19C27.

[14] MILLER G A， CHARLES W G. Contextual correlates of semantic similarity [J]. Lang. Cogn. Process.， 1991， 6（1）： 1C28.

[15] RADINSKY K， AGICHTEIN E， GABRILOVICH E， et al. A word at a time： computing word relatedness using temporal semantic analysis [C]//Proceedings of the 20th International Conference on World Wide Web， New York， NY， USA：ACM，2011：337C346.

[16] 石靜， 吳云芳， 邱立坤， 呂學(xué)強(qiáng).基于大規(guī)模語(yǔ)料庫(kù)的漢語(yǔ)詞義相似度計(jì)算方法[J]. 中文信息學(xué)報(bào)， 2013， 27（1）： 1C6.

[17] 王石， 曹存根， 裴亞軍， 等. 一種基于搭配的中文詞匯語(yǔ)義相似度計(jì)算方法[J]. 中文信息學(xué)報(bào)， 2013， 27（1）： 7C14.

[18] JIN P， WU Y. SemEval-2012 Task 4： Evaluating Chinese word similarity [C]//Proceedings of the First Joint Conference on Lexical and Computational Semantics - Volume 1： Proceedings of the Main Conference and the Shared Task， and Volume 2： Proceedings of the Sixth International Workshop on Semantic Evaluation， Montr＼’eal， Canada：Association for Computational Linguistics，2012： 374C377.

[19] HARRIS Z. Distributional structure [J]. Word， 1954， 10（23）： 146C162.

[20] FIRTH J . A synopsis of linguistic theory 1930-1955 [J]. Stud. Linguist. Anal.， 1957： 1C32.

[21] LAPATA M. Automatic evaluation of information ordering： Kendall’s Tau [J]. Comput. Linguist.， 2006， 32（4）： 471C484.

[22] NIVRE J， HALL J， NILSSON J. MaltParser： A data-driven parser-generator for dependency parsing [C]// Proceedings of LREC， Genoa， Italy：[s.n.]，2006， 6：2216C2219.

[23] ZHANG Y， CLARK S. A tale of two parsers： investigating and combining graph-based and transition-based dependency parsing using beam-search [C]//Proceedings of the Conference on Empirical Methods in Natural Language Processing， Stroudsburg，PA，USA：Association for computational Linguistics，2008： 562C571.

[24] TSENG H， CHANG P， ANDREW G， et al. A conditional random field word segmenter for Sighan Bakeoff 2005 [C]//Proceedings of the Fourth SIGHAN Workshop on Chinese Language Processing，Jeju Island， Korea：ACL-SIGHAN， 2005.

[25] TOUTANOVA K， MANNING C D. Enriching the knowledge sources used in a maximum entropy part-of-speech tagger [C]//Proceedings of the 2000 Joint SIGDAT conference on Empirical methods in natural language processing and very large corpora held in conjunction with the 38th Annual Meeting of the Association for Computational Linguistics -， Hong Kong，China：[s.n.]，2000， 13： 63C70.

篇6

“凌空翱翔”造句：

1、學(xué)生有了豐富的想象力，就能使文思縱橫馳騁，凌空翱翔，從而使寫(xiě)出來(lái)的人物栩栩如生、活靈活現(xiàn)，景物描寫(xiě)生動(dòng)形象、有聲有色。

2、惠特曼激勵(lì)美國(guó)之鷹凌空翱翔，這是對(duì)于美國(guó)文人至關(guān)重要的一件大事。

篇7

首先我代表臺(tái)灣xx集團(tuán)xx有限公司的全體員工，對(duì)各位領(lǐng)導(dǎo)和各位嘉賓前來(lái)參加xx縣與我公司項(xiàng)目簽約儀式表示熱烈的歡迎和衷心的感謝！您們的到來(lái)，更加增添了我公司與xx合作的喜慶氣氛，使我們倍感榮幸和激動(dòng)。

我們xx公司隸屬于臺(tái)灣xx集團(tuán)，總部在臺(tái)灣，在xxxx、xxx設(shè)有兩家食品公司，主要生產(chǎn)高檔脫水包菜、香蔥、蘿卜等。這次擬在xx投資建設(shè)4條具有國(guó)際先進(jìn)水平的脫水菜生產(chǎn)線，可年產(chǎn)6000噸脫水蔬菜。計(jì)劃項(xiàng)目總投資1億元人民幣，固定資產(chǎn)投資600o萬(wàn)元人民幣。主要設(shè)備采用國(guó)際最先進(jìn)的熱風(fēng)干燥、冷凍干燥設(shè)備及選別設(shè)備。公司主要與當(dāng)?shù)剞r(nóng)業(yè)部門(mén)和廣大農(nóng)民群眾合作，建立農(nóng)業(yè)科技研究示范園區(qū)及專業(yè)化蔬菜種植體系，建設(shè)優(yōu)良的原料供應(yīng)基地，專業(yè)生產(chǎn)各類脫水蔬菜食品。4條生產(chǎn)線全部建成投產(chǎn)后，年可創(chuàng)產(chǎn)值10000萬(wàn)元，利稅2500萬(wàn)元。產(chǎn)品主要供應(yīng)頂新集團(tuán)，其余出口韓國(guó)及歐美等國(guó)家和地區(qū)?？蓭?dòng)全縣10萬(wàn)農(nóng)戶發(fā)展蔬菜、水果、食用菌等產(chǎn)業(yè)，年實(shí)現(xiàn)產(chǎn)值10.4億元，農(nóng)民來(lái)自特色農(nóng)業(yè)的經(jīng)濟(jì)收入可占到農(nóng)民人均純收入的75%。

我們之所以選擇在xx投資，不僅是因?yàn)榭粗辛诉@里優(yōu)越的生產(chǎn)條件和豐富的蔬菜資源，更重要的是我們看中了這里優(yōu)越的投資環(huán)境。經(jīng)過(guò)最近一個(gè)時(shí)期的參觀考察和對(duì)公司前期籌備工作的實(shí)際運(yùn)作，我們深刻體會(huì)到，xx縣的環(huán)境非常好，在xx縣投資我們感到非常放心，也非常舒心。借此機(jī)會(huì)，我代表公司對(duì)給予大力支持和幫助的縣領(lǐng)導(dǎo)和縣直有關(guān)職能部門(mén)表示誠(chéng)摯的感謝！由于我們公司剛剛起步，企業(yè)的發(fā)展離不開(kāi)大家的支持和幫助。我們真誠(chéng)地希望大家像朋友一如既往地支持我們的工作，為企業(yè)發(fā)展創(chuàng)造良好環(huán)境。對(duì)社會(huì)各界的關(guān)愛(ài)，我公司將以一流的業(yè)績(jī)給予真誠(chéng)的回報(bào)。

篇8

【關(guān)鍵詞】社會(huì)分工；階級(jí)；國(guó)家；人的解放

中圖分類號(hào)：Fll

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1006-0278（2015）06-027-01

一、第四次社會(huì)大分工的到來(lái)將可能會(huì)使資本主義生產(chǎn)方式下形成的舊式分工消亡

資本主義生產(chǎn)關(guān)系把人分為了工人和資本家。在資本主義社會(huì)，無(wú)產(chǎn)階級(jí)淪為資產(chǎn)階級(jí)的工具，他們把自己作為商品來(lái)出賣(mài)，而僅能從資本家那里獲得勉強(qiáng)用以維持生存和繁衍的微薄工資。工資不是工人在他所生產(chǎn)的商品中占有的一份。工資是原有商品中由資本家用以購(gòu)買(mǎi)一定量的生產(chǎn)勞動(dòng)的那一部分。①這種舊式分工只會(huì)使無(wú)產(chǎn)階級(jí)和資產(chǎn)階級(jí)的矛盾深化，進(jìn)而引發(fā)革命。新的社會(huì)分工，即南北分工，立足全人類的幸福，力圖消滅舊式分工所帶來(lái)的壓迫和剝削。

在舊式分工中，分工的細(xì)化本來(lái)是為了給生產(chǎn)者帶來(lái)便利，但是由于私有制的存在，生產(chǎn)資料隸屬于剝削者，所以這種分工變發(fā)生了異化變成一種壓迫和剝削勞動(dòng)者的力量。新式分工中，生產(chǎn)資料歸全社會(huì)所有，分工是出于自愿原則，根據(jù)勞動(dòng)者個(gè)人的意愿結(jié)合自身的長(zhǎng)處，從生產(chǎn)者自身所喜歡的勞動(dòng)。這種分工打破了地域、職業(yè)對(duì)個(gè)人的束縛，勞動(dòng)者可以根據(jù)白身和社會(huì)的需求白由安排自己的勞動(dòng)，不再為生活資料所困擾。

原來(lái)，當(dāng)分工一出現(xiàn)之后，任何人都有自己一定的特殊的活動(dòng)范圍，這個(gè)范圍是強(qiáng)加于他的，他不能超出這個(gè)范圍：他是一個(gè)獵人、漁夫或牧人，或者是一個(gè)批判的批判者，只要他不想失去生活資料，他就始終應(yīng)該是這樣的人。②新的分工出現(xiàn)以后，那種舊式分工所帶來(lái)的身份束縛會(huì)逐漸消失，勞動(dòng)者真正開(kāi)始干自己喜歡干的事。隨著教育的普及，科技的進(jìn)步，個(gè)人的白由而全而的發(fā)展將不再是遙不可及的夢(mèng)想。

二、第四次社會(huì)大分工的到來(lái)將可能會(huì)使階級(jí)消亡

階級(jí)不是從來(lái)就有的，而是社會(huì)發(fā)展到一定階段的而產(chǎn)生的，人類社會(huì)的發(fā)展史就是一部階級(jí)斗爭(zhēng)的歷史，階級(jí)斗爭(zhēng)是推動(dòng)社會(huì)發(fā)展的直接動(dòng)力。階級(jí)的出現(xiàn)和私有制緊密相連，那么，階級(jí)的消亡也必然伴隨著私有制的消亡而消亡。新的分工的出現(xiàn)，是各國(guó)基于全人類發(fā)展的考慮而共同努力推動(dòng)的，在新的分工形式下，人們只有一個(gè)共同利益，不存在特殊利益集團(tuán)，也不存在擁有特殊利益的個(gè)人，階級(jí)和階級(jí)對(duì)抗逐步在社會(huì)中消失。要做到這一點(diǎn)，必須在新的社會(huì)分工下盡可能的大力發(fā)展生產(chǎn)力，生產(chǎn)盡可能多的勞動(dòng)產(chǎn)品來(lái)滿足全社會(huì)成員的需要。因?yàn)?，只要生產(chǎn)的規(guī)模還沒(méi)有達(dá)到既可滿足社會(huì)全體成員的需要，又有剩余去增加社會(huì)資本和進(jìn)一步發(fā)展生產(chǎn)力，就總會(huì)有支配社會(huì)生產(chǎn)力的統(tǒng)治階級(jí)和另外一個(gè)階級(jí)即貧困和被壓迫的階級(jí)存在。③歸根結(jié)底，階級(jí)之所以會(huì)出現(xiàn)，就是因?yàn)槲镔|(zhì)財(cái)富的有限性不足以滿足全社會(huì)成員的需求，社會(huì)成員中的極少數(shù)占用并支配著絕大多數(shù)成員的物質(zhì)財(cái)富。階級(jí)統(tǒng)治就是建立在這種高壓和迷惑性的基礎(chǔ)之上。隨著人類社會(huì)的發(fā)展，階級(jí)將作為一種淘汰物消泯在歷史的長(zhǎng)河中。

篇9

關(guān)鍵詞:函數(shù);方程;數(shù)形結(jié)合分類討論;整體類比;幾何運(yùn)動(dòng)變化;建模

中圖分類號(hào):G633文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1003-2851(2009)10-0059-01

數(shù)學(xué)思想是數(shù)學(xué)知識(shí)的精髓,它在學(xué)習(xí)和運(yùn)用數(shù)學(xué)知識(shí)的過(guò)程中,起指導(dǎo)作用?；局R(shí)點(diǎn)是數(shù)學(xué)課上首先要掌握的,但更重要的是解決問(wèn)題的思路和方法,思路和 方法的獲取要靠自己一步一步地去體驗(yàn)和理解,更重要的是解決問(wèn)題的過(guò)程,在過(guò)程中探索、獲取思路和方法。每年的中考數(shù)學(xué)題都著重考查了同學(xué)們對(duì)數(shù)學(xué)思想方 法的理解和掌握。因此,同學(xué)們?cè)跀?shù)學(xué)學(xué)習(xí)中,對(duì)重要的數(shù)學(xué)思想方法的學(xué)習(xí)要加強(qiáng),而不是消弱。

下面談一談“一次函數(shù)”中的數(shù)學(xué)思想。

一、函數(shù)的思想:就是根據(jù)題中條件學(xué)會(huì)用函數(shù)方法解決實(shí)際問(wèn)題?！昂瘮?shù)”是從量的側(cè)面去描述客觀世界的運(yùn)動(dòng)變化、相互聯(lián)系,從量的側(cè)面反映客觀世界的動(dòng) 態(tài),它們的相互制約性,函數(shù)是研究現(xiàn)實(shí)世界變化規(guī)律的一個(gè)重要模型。經(jīng)歷函數(shù)、一次函數(shù)等概念的抽象概括過(guò)程,體會(huì)函數(shù)的模型思想和一次函數(shù)在我們現(xiàn)實(shí)生活的廣泛應(yīng)用,培養(yǎng)同學(xué)們“數(shù)學(xué)化”的能力。

二、方程思想:就是從分析問(wèn)題的數(shù)量關(guān)系入手,適當(dāng)設(shè)出未知數(shù),通過(guò)等量關(guān)系列出方程或方程組來(lái)解決問(wèn)題的一種數(shù)學(xué)思想方法。主要是指建立方程(組)解決 實(shí)際問(wèn)題的思想方法。函數(shù)思想與方程思想的聯(lián)系十分密切。如解方程就是求函數(shù)y=f(x)當(dāng)函數(shù)值為零時(shí)自變量x的值;用函數(shù)圖象的“交軌”方法,可以求 出或討論方程f(x)=g(x)的根或“函數(shù)組”化的方程組,等等。這種聯(lián)系提供了解決問(wèn)題過(guò)程中轉(zhuǎn)化的依據(jù)。

三、轉(zhuǎn)化思想:就是根據(jù)知識(shí)間的內(nèi)在聯(lián)系 ,把所要解決的問(wèn)題轉(zhuǎn)化為另一個(gè)較易解決的問(wèn)題或已經(jīng)解決的問(wèn)題,恰當(dāng)?shù)匕杨}目中的某些關(guān)系從一種形式轉(zhuǎn)化為另一種形式,問(wèn)題就能比較順利地得到解決,這 就是轉(zhuǎn)化思想。領(lǐng)悟了轉(zhuǎn)化思想,能夠幫助同學(xué)們打開(kāi)思路,把一個(gè)較復(fù)雜或陌生的問(wèn)題轉(zhuǎn)化成較簡(jiǎn)單或熟悉的問(wèn)題。 例如,一次函數(shù)的圖、表、式三種表示方法之間的相互轉(zhuǎn)化,通過(guò)方程與函數(shù)的聯(lián)系解決問(wèn)題,求兩條直線交點(diǎn)的問(wèn)題轉(zhuǎn)化為解二元一次方程組的解。使學(xué)生學(xué)會(huì)以 特殊情況為基礎(chǔ),通過(guò)轉(zhuǎn)化來(lái)解決一般問(wèn)題的方法,培養(yǎng)學(xué)生把文字語(yǔ)言轉(zhuǎn)化為數(shù)學(xué)符號(hào)的能力。

四、數(shù)形結(jié)合思想:就是把問(wèn)題中的數(shù)量關(guān)系和空間形式結(jié)合起來(lái)加以考查的思想,簡(jiǎn)單地說(shuō),就是將數(shù)與形結(jié)合起來(lái)解題的一種方法,在數(shù)學(xué)中占有非常重要的地 位。在解題方法上,把“數(shù)”與“形”相互轉(zhuǎn)化,從而使問(wèn)題化難為易、化繁為簡(jiǎn),做到靈活進(jìn)行數(shù)形轉(zhuǎn)化,達(dá)到解決問(wèn)題的目的。在生活中量與量的關(guān)系可以形象 地通過(guò)圖象直觀地表現(xiàn)出來(lái),如心電圖、股市行情走勢(shì)圖等,圖象中含有著豐富的圖象信息,要善于從圖象的形狀、位置發(fā)展變化趨勢(shì)等有關(guān)信息中獲取啟發(fā)。教學(xué) 中根據(jù)函數(shù)的圖象確定一次函數(shù)的表達(dá)式,由函數(shù)圖象獲取信息,由y=kx+b中k、b的值,可畫(huà)函數(shù)的圖象;由函數(shù)圖象,能判斷k、b的取值范圍;以及y 隨x的變化而變化的情況。讓學(xué)生把一次函數(shù)的性質(zhì)熟練運(yùn)用,進(jìn)一步體現(xiàn)數(shù)形結(jié)合思想。

五、分類討論思想:當(dāng)研究的問(wèn)題包含多種可能情況時(shí),必須按所有可能出現(xiàn)的情況來(lái)分別討論,從而得到各種情況下相應(yīng)的結(jié)論,這種處理問(wèn)題的思想稱為分類討 論思想。它既是一種數(shù)學(xué)思想,又是一種重要的解題策略。并且需分類討論的問(wèn)題覆蓋的知識(shí)點(diǎn)較多,還要注意分類的方法和技巧,做到明確分類標(biāo)準(zhǔn),即“不重 復(fù),不遺漏”。如一次函數(shù)圖象經(jīng)過(guò)哪些象限需要針對(duì)k、b的取值范圍分情況討論;理解某函數(shù)的折線圖象時(shí)需分段考慮;實(shí)際應(yīng)用題中涉及多種情況時(shí)也需要分 類。

六、整體思想:就是將注意力和著眼點(diǎn)放在問(wèn)題的整體上,或把一些相互聯(lián)系的量作為整體來(lái)處理的思想。不僅能避免復(fù)雜的計(jì)算,而且能達(dá)到解決問(wèn)題的目的。如 “y-a 與2x+b成正比例”,那么,可以設(shè)y-a=k(2x+b),則y=2kx+2b+a,…

七、類比思想:即所謂的“類比發(fā)現(xiàn)法”,就是通過(guò)對(duì)兩個(gè)相類似的數(shù)學(xué)研究對(duì)象的異同進(jìn)行觀察和比較,從一個(gè)已經(jīng)學(xué)過(guò)的、熟知的研究對(duì)象所具有的性質(zhì),去猜 想另一個(gè)研究對(duì)象所具有的類似的性質(zhì)。同學(xué)們可由題目結(jié)構(gòu)相同或類似,類比可得題目間解題的方法可能相同或類似,以此嘗試確定解題的思路。

八、幾何運(yùn)動(dòng)變化思想:適用于常以動(dòng)態(tài)的形式出現(xiàn)的圖形變換題。將一個(gè)圖形或某部分進(jìn)行平移、旋轉(zhuǎn)、軸對(duì)稱或中心對(duì)稱變換后,得到新的圖形,從中探求結(jié) 論。不僅要求學(xué)生會(huì)根據(jù)已知條件作出變換后的圖形,還要求學(xué)生能根據(jù)原圖形與變換后的圖形的位置關(guān)系說(shuō)明具體的變換過(guò)程。“一次函數(shù)”中主要是了解圖象 (直線)的平移。

篇10

一、陰陽(yáng)對(duì)立

在我國(guó)，早在史前的氏族社會(huì)就已產(chǎn)生了帶有樸素辯證思想的八卦，到了殷周代，進(jìn)一步發(fā)展了這種思想?！兑捉?jīng)》載：“易有太極，是生兩儀，兩儀生四象，四象生八卦，八卦定吉兇，吉兇生大業(yè)?！蓖瑫r(shí)，孔子在作《易》之十翼時(shí)便已經(jīng)充分反映出了其陰陽(yáng)哲學(xué)。

（一）他講自然講陰陽(yáng)

如《周易.系辭下》：“子曰：‘乾坤，其《易》之門(mén)邪？乾，陽(yáng)物也；坤，陰物也。陰陽(yáng)合德，而剛?cè)嵊畜w。以體天地之撰，以通神明之德。其稱名也，雜而不越。于稽其類，其衰世之意邪？”

孔子認(rèn)為客觀世界萬(wàn)事萬(wàn)物本身就存在著陰陽(yáng)對(duì)立的自然法則，存在著陰陽(yáng)對(duì)稱、陰陽(yáng)均衡等各種美學(xué)屬性。所以孔子運(yùn)用對(duì)偶這一手段將客觀世界上述各種自然關(guān)系、法則表現(xiàn)了出來(lái)。

（二）他談生命之本講陰陽(yáng)、奇偶

如《孔子家語(yǔ).本命解》：“‘魯哀公問(wèn)于孔子曰：“人之命與性何謂也？’孔子對(duì)曰：‘分于道謂之命，形于一謂之性?；陉庩?yáng)，象形而發(fā)謂之生，化窮數(shù)盡謂之死。故命者，性之始也；死者，生之終也。有始則必有終矣?！魂?yáng)一陰，奇偶相配，然后道合化成。性命之端，形于此也?！?/p>

孔子的性命觀也以陰陽(yáng)為兩點(diǎn)論，認(rèn)為人的生命是由天地自然之道而化生出來(lái)的，人的性是受陰陽(yáng)之氣而形成的，有一定形體發(fā)出來(lái)，叫做生；陰陽(yáng)變化窮盡之后，叫做死。所以說(shuō)，命就是性的開(kāi)始，死就是生的終結(jié)。有始則必有終。

太極的圖像就是一對(duì)對(duì)立的陰陽(yáng)魚(yú)狀，但合而為一的圓體。這種圖像就表達(dá)了人們對(duì)宇宙萬(wàn)事萬(wàn)物既是對(duì)立的又是和諧統(tǒng)一的認(rèn)識(shí)。同樣，孔子在講自然、人本身的陰陽(yáng)對(duì)立的同時(shí)，還講求這種陰陽(yáng)對(duì)立的和諧統(tǒng)一。

二、和諧統(tǒng)一

《論語(yǔ)?子路篇》講：“君子和而不同，小人同而不和?！薄昂投煌笔强鬃铀枷塍w系中對(duì)重要組成部分。中國(guó)自古講求“以和為貴”，孔子的“和而不同”正是對(duì)“和”這一理念的的具體闡發(fā)。具體來(lái)說(shuō)孔子的“和”是和諧，是統(tǒng)一，“同”是相同，是一致；“和”是抽象的，內(nèi)在的；“同”是具體的，外在的?！昂投煌?，就是追求內(nèi)在的和諧統(tǒng)一，而不是表象上的相同和一致。

（一）個(gè)人身心的和諧

“君子食無(wú)求飽，居無(wú)求安，敏于事而慎于言”（《論語(yǔ)?學(xué)而篇》）

“貧而樂(lè)，富而好禮”（《論語(yǔ)?學(xué)而》）

“態(tài)士仁人，無(wú)求生以害仁，有殺身以成仁”（《論語(yǔ)?衛(wèi)靈公》）

“其身正，不令而行；其身不正，雖令不從?！保ā墩撜Z(yǔ)?子路篇》）

孔子在這里強(qiáng)調(diào)個(gè)人要正確處理理與欲，義與利，精神追求與物質(zhì)追求等的對(duì)立關(guān)系，做到心態(tài)和諧，思想和諧。

（二）集體社會(huì)的和諧

“入則孝，出則銻，事父母，能竭其力”（《論語(yǔ)?學(xué)而篇》）

“父母之年，不可不知也，一則以喜，一則以懼”（《論語(yǔ)?里仁篇》）

“四海之內(nèi)皆兄弟”（《論語(yǔ)?顏淵篇》）

“故遠(yuǎn)人不服，則修文德以來(lái)之"既來(lái)之，則安之”（《論語(yǔ)?季氏篇》）

孔子強(qiáng)調(diào)在家庭中，要敬愛(ài)父母，友愛(ài)兄弟，使孝梯成為人們內(nèi)心的一種情感追求和道德自覺(jué)，使每一個(gè)家庭都能夠尊老愛(ài)幼，和諧相處。同時(shí)在民族與民族、國(guó)家與國(guó)家的關(guān)系上，主張和諧共處，協(xié)和萬(wàn)邦。

孔子很早就認(rèn)識(shí)到客觀世界萬(wàn)事萬(wàn)物既具有對(duì)立關(guān)系又具有統(tǒng)一關(guān)系，如自然的上下、左右、花草、山川等的偶體存在狀態(tài)；個(gè)體所面臨的義利、貧富、君子小人等的矛盾關(guān)系，并且逐步找到了一種化矛盾為和諧的特殊方法。那就是“和而不同”的辯證思維方式。

三、結(jié)語(yǔ)