中国文学对外译介与翻译历史观

在中国文化“走出去” 的时代背景下, 中国文学对外译介受到各界的普遍关注, 同时, 也引发了种种焦虑、争议甚至质疑。由于期待与现实之间的巨大落差,围绕翻译什么、 如何翻译以及如何才算“走出去” 等问题与困惑, 翻译界和文化界对中国文学的对外译介与传播或多或少表现出某种急功近利、 急于求成的功利主义倾向, 因而也存在某些绝对或片面的观念。对此,本文提出应立足于翻译的历史价值观,从翻译的本质属性和根本目标出发, 充分关注文学译介的阶段性和文化交流的不平衡性,进而以历史的、 发展的、 开放的目光, 切实从平等文化交流的意义上考察翻译活动,推进中国文学对外译介。     

Unifying knowledge iterative dissemination and relational reconstruction network for image–text matching

Image–text matching is a crucial branch in multimedia retrieval which relies on learning inter-modal correspondences. Most existing methods focus on global or local correspondence and fail to explore fine-grained global–local alignment. Moreover, the issue of how to infer more accurate similarity scores remains unresolved. In this study, we propose a novel unifying knowledge iterative dissemination and relational reconstruction (KIDRR) network for image–text matching. Particularly, the knowledge graph iterative dissemination module is designed to iteratively broadcast global semantic knowledge, enabling relevant nodes to be associated, resulting in fine-grained intra-modal correlations and features. Hence, vector-based similarity representations are learned from multiple perspectives to model multi-level alignments comprehensively. The relation graph reconstruction module is further developed to enhance cross-modal correspondences by constructing similarity relation graphs and adaptively reconstructing them. We conducted experiments on the datasets Flickr30K and MSCOCO, which have 31,783 and 123,287 images, respectively. Experiments show that KIDRR achieves improvements of nearly 2.2% and 1.6% relative to Recall@1 on Flicr30K and MSCOCO, respectively, compared to the current state-of-the-art baselines.     

认知语境与英语阅读理解

阅读理解是一个明示一推理的动态认知过程。本文在探讨关联理论出现之前的阅读模式所存在不足的基础上,阐析了认知语境对句子、篇章解读的影响,对认知语境的研究将有助于提高语言理解的效率。     

城市垃圾分类政策路径与效能——以西北地区试点城市为例

【目的】为了完善城市垃圾分类政策从而提升政策执行效果。【方法】本文基于“路径-效能”分析框架,以西北地区垃圾分类试点城市政策为分析对象,首先运用文本挖掘方法厘清垃圾分类的政策路径,再以此为基础构建PMC指数评价模型,对政策效能进行全面评估。【结果】①推进垃圾分类的政策要素包括导向要素（政策目标）、资源要素（基础设施、技术支持、人员配套、资助体系）和保障要素（宣传教育、监督考核、处罚方式、奖励机制）,最终形成以政策目标为导向,给予配套资源,并为资源运用提供保障的政策路径。②6个试点城市的政策评级分别为良（西宁）、中（兰州、西安、银川、咸阳）、差（乌鲁木齐）,整体平均水平为中,除基础设施外,其余变量均有待提升,其中奖励机制的效能提升空间最大。③各城市政策均在部分变量上存在内容或实施细则的缺漏,而不同政策的内容缺失方面和程度都不尽相同,致使政策改进的参考路线也有所区别。【结论】从补充政策内容细则和制订差异化完善路线两方面提出政策优化建议。     

论中华民族实现伟大复兴的历史基垫

中国共产党一直把实现中华民族伟大复兴作为自己的历史使命,她一定能够率领全国人民实现这一宏伟目标。因为我们具备了实现中华民族伟大复兴的深厚的历史基垫,即：20世纪中国共产党领导下取得的两次历史性巨变是实现民族复兴的丰厚基础,坚强有力的中共三代领导集体的确立、稳固及顺利交接是实现民族复兴的政治保证,作为中国共产党几十年执政经验的最高概括的“三个代表”是实现民族复兴最有力的思想理论武器。     

一种人机结合的文本特征词集生成方法

运用复杂系统理论分析了向量空间模型(VSM)法进行大规模文本信息处理过程中自动生成特征词集方法的局限性。指出人机结合、定性定量综合集成的方法才是当前解决特征词集生成问题的根本途径。给出了一种人机结合的文本特征词集生成方法,并进行了实例验证。     

多层次web文本分类

传统的文本分类大多基于向量空间,分类体系为甲面体系,忽视了类别间的层次关系。根据LSA理论提出了一种多层次web文本分类方法。建立类模型时,根据类别的层次关系树由下到上逐层为具有相同父节点的类别建立一个类模型;分类时,由上到下,根据相应的类模型存LS空间上分类。这种分类方法解决了LSA模型中高维矩阵难以进行奇异值分解的问题。同时体现了web文本中词条的语义关系,注重了词条在网页中的表现形式。实验表明,多层次web文本分类方法比基于平面分类体系的分类方法在查全率和准确率方面要好。     

基于改进KNN的文本分类方法

本文针对VSM (向量空间模型)中KNN (K最近邻算法)在文本处理环境下的不足,根据SOM (自组织映射神经网络)理论、特征选取和模式聚合理论,提出了一种改进的KNN文本分类方法。应用特征选取和模式聚合理论以降低特征空间维数。传统的VSM模型各维相同的权重并不适应于文本处理的环境,本文提出应用SOM神经网络进行VSM模型各维权重的计算。结合两种改进,有效地降低了向量空间的维数,提高了文本分类的精度和速度。     

基于分块和统计相结合的新闻正文抽取

本文提出一种结合网页分块与统计的方法来抽取新闻类网页中的正文。首先,在网页解析的基础上根据标签信息对网页进行分块处理,并计算出每一个内容块的实际长度;其次,在得到内容块的长度集合后,计算这些内容块长度的均值,同时利用方差能反映一组数据的波动大小的特性,按内容块长度降序排列并依次计算去掉最大内容块后的方差变化情况,寻找最有可能的正文内容块;最后随机选取了一些新闻网页进行测试,结果显示准确率可达96%,充分证明了该方法的有效性。     

以更伸展的历史眼光和更宽广的世界眼光透视中国当代改革

当代中国改革是整个中国改革历史长河的一段,是世界改革历史长河的一隅。有必要建立一种＂大改革观＂,将当代中国改革放在中外改革史的经纬坐标中整体反思,走出＂两个历史宿命＂和＂两个历史循环＂。