亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        第二語言學習者漢語聲調(diào)范疇浮現(xiàn)的模擬研究

        2012-10-15 01:51:28陳默
        中文信息學報 2012年1期
        關鍵詞:零起點陰平陽平

        陳默

        (北京語言大學 漢語進修學院,北京100083)

        1 引言

        由于很多漢語聲調(diào)偏誤的形成主要是因為第二語言學習者沒有形成較好的聲調(diào)范疇,不能區(qū)分不同調(diào)類之間的差異,從而形成了各種各樣的“洋調(diào)”。對于無聲調(diào)語言母語者而言,漢語聲調(diào)范疇的建立是一個從無到有的過程,是習得的難點和重點,所以對漢語聲調(diào)范疇浮現(xiàn)的研究是十分重要的。筆者發(fā)現(xiàn),目前漢語聲調(diào)范疇的研究主要是橫向的感知研究[1-3],對聲調(diào)范疇認知發(fā)展過程的研究很少,對聲調(diào)范疇習得機制的探討也很少。

        聲調(diào)范疇的實驗研究存在著一定的局限性,不能綜合考察語音特征之間的相互作用,不能觀測到多層面因素特征相互作用隨時間變化的特性等。所以目前的實驗研究還不能全面地分析聲調(diào)范疇是如何在多層面特征的相互作用下浮現(xiàn)而出的,這也是對聲調(diào)范疇習得機制了解不夠深入的主要原因。因為不同的特征(聲調(diào)特征、母語音段特征、二語音段特征以及外部環(huán)境特征等)在聲調(diào)范疇浮現(xiàn)的過程中起著不同的作用,所以我們應該把這些聲調(diào)特征融合在一起,來探討聲調(diào)范疇的浮現(xiàn)。

        因為聲調(diào)范疇的浮現(xiàn)涉及聲調(diào)特征相互作用的過程。筆者在模型中加入的聲調(diào)的主要聲學特征有:(1)調(diào)值,也就是基頻高度;(2)調(diào)形,即基頻曲線;(3)調(diào)長,即聲調(diào)時長;(4)調(diào)域,即高音點音高與低音點音高的距離。另外,模型涉及母語語音特征和漢語語音特征,這樣做的優(yōu)勢一是可以動態(tài)地研究各因素相互作用的過程,二是可以直觀地觀測不同層面的特征相互作用的結(jié)果。

        神經(jīng)網(wǎng)絡方法在漢語漢字和語音識別的研究中已經(jīng)得到廣泛的應用[4-6],但是由于語言習得的動態(tài)性,常規(guī)的神經(jīng)網(wǎng)絡難以直接使用。本文利用生長型樹形結(jié)構(gòu)自組織特征映射神經(jīng)網(wǎng)絡(GTSSOFM)來模擬英語母語者漢語聲調(diào)范疇的浮現(xiàn)過程。通過建立零起點、初級和中級三個子模型,來考察三個子模型的聲調(diào)特征的聚類過程、三個子模型不同類聲調(diào)之間的距離以及三個子模型聲調(diào)混淆的數(shù)量和類型。綜合這三個方面對三個子模型聲調(diào)范疇的浮現(xiàn)進行研究,是為了跟行為實驗研究[7]進行比較,以更深入地發(fā)掘漢語聲調(diào)范疇的習得機制。

        模擬研究跟行為實驗研究[7]的不同點在于,行為實驗研究是利用實驗語音學的方法來分析被試的物理聲學特征,通過語音軟件來提取語音參數(shù),用多因素方差分析來考察特征之間的關系。模擬研究是通過計算機模型的構(gòu)建來實現(xiàn)聲調(diào)范疇學習的。從提取的聲調(diào)特征來看,行為實驗只考察了調(diào)值特征,而模擬研究綜合考察調(diào)值、調(diào)形、調(diào)域和調(diào)長四類特征,可以更好地觀察聲調(diào)特征之間的相互作用以及聲調(diào)特征和外部因素(知識的變化和語言水平的變化)相互作用的結(jié)果。從研究對象來看,行為實驗由于受實驗條件的限制,采取的是橫向研究方法,而且被試分屬于不同的無聲調(diào)語言國家,存在著一定的個人差異。而模擬研究更類似于縱向研究,選擇的是一種母語背景,可以保證被試的同質(zhì)性。所以,我們可以通過計算機模擬的方法來驗證行為實驗的結(jié)果,同時也能提供行為實驗觀察不到的結(jié)果。

        2 聲調(diào)范疇浮現(xiàn)模型的建立

        2.1 算法實現(xiàn)

        本研究采用筆者建立的動態(tài)生長型樹形結(jié)構(gòu)自組織映射模型(GTS-SOFM),具體實現(xiàn)上主要包括以下幾個關鍵考慮:1)動態(tài)的神經(jīng)元添加策略以及合理的神經(jīng)元排列方式設計;2)起始神經(jīng)元權重初始化以及優(yōu)勝鄰域的設計;3)自組織樹在生長階段中的獲勝神經(jīng)元搜索方法;4)有效的學習函數(shù)以及加入弱近鄰抑制效應的參數(shù)調(diào)整方式;5)神經(jīng)元生長閾值隨著網(wǎng)絡的擴大而動態(tài)增加,控制網(wǎng)絡的規(guī)模和穩(wěn)定性;6)網(wǎng)絡趨于穩(wěn)定時合理的收斂條件的設置和判斷。跟以往的動態(tài)自組織模型相比較[8-10],GTS-SOFM既克服了Kohonen自組織特征映射網(wǎng)絡的固定網(wǎng)絡結(jié)構(gòu)的限制以及容量的有限性,又克服了上述幾個類似動態(tài)網(wǎng)絡的較弱的拓撲映射特性,從而方便用于語言認知習得的研究,既具有良好的拓撲映射特性,又保證了神經(jīng)元的動態(tài)生成能力。

        2.2 表征

        由于本研究模擬的是英語母語者漢語聲調(diào)范疇的浮現(xiàn),所以要建立一個雙語模型。英語作為基礎模型,在此基礎上建立零起點、初級和中級三個子模型。英語表征借鑒Li和MacWhinney的PatPho表征方案[11],主要從發(fā)音方法和發(fā)音部位來表征元音和輔音。漢語語音表征是在Zhao和Li的漢語音素表征[12]的基礎上加入了漢語聲調(diào)的表征,漢語聲調(diào)的表征參考了前人的諸多研究成果[13],抽取出漢語聲調(diào)的最主要特征(表1):1)調(diào)值。陰平和去聲為高,陽平和上聲為非高;2)調(diào)形。分成平、升、降升和降四類;3)調(diào)域。四類聲調(diào)根據(jù)高音點和低音點的距離,陰平為窄,陽平、上聲和去聲為寬;4)調(diào)長。陰平、陽平和上聲為長,去聲為短。對聲調(diào)特征進行定義后,根據(jù)聲調(diào)特征之間的差異程度,對聲調(diào)特征進行賦值(表2)。

        表1 漢語語音表征

        表2 漢語語音的數(shù)值表征

        2.3 訓練樣本

        結(jié)合《英語常用詞詞典》[14]和《牛津英漢雙解小詞典》[15]選出1 000個英語常用詞,其中單音節(jié)詞535個,雙音節(jié)詞465個,其中重音在前的雙音節(jié)詞282個,重音在后的雙音節(jié)詞183個。這1 000個詞涵蓋了英語所有的發(fā)音模式(圖1),從而建立英語基礎模型。

        選擇《漢語教程》[16]作為訓練樣本,建立三個漢語水平的模型。零起點學習者相當于學習了《漢語教程》半個月左右,初級學習者(初級上)相當于學習了《漢語教程》半年左右,中級學習者(中級上)相當于學習了《漢語教程》1年左右。訓練樣本的選取遵循兩個原則:一是保證樣本的累積效應,即在零起點學習過的樣本同樣還會在初級和中級出現(xiàn),初級的樣本會在中級出現(xiàn);二是保證所選擇的樣本能代表實際整體樣本的頻次分布。

        圖1 英語訓練樣本在輸出層的映射圖

        2.4 訓練和測試

        對三個子模型分別進行訓練。訓練前,模型接受前測。因為要和行為實驗結(jié)果[7]進行比較,所以用行為實驗的測試音節(jié)表(見附件1)對三個子模型進行前測。每類聲調(diào)30個音節(jié),一共120個音節(jié),即每個子模型都要接受120個音節(jié)的前測。前測結(jié)束,開始進行訓練。訓練樣本的選擇采取從高頻到低頻樣本的等間隔選取法,零起點子模型的100個訓練樣本是從939個樣本中頻次≥20的664個樣本中選取出來的。初級子模型總共選取了200個訓練樣本。其中100個和零起點子模型的完全一致,另外100個是從頻次≥8的798個樣本中選取出來的。中級子模型總共選取了400個訓練樣本。其中200個和初級子模型的樣本完全一致(其中包含了100個零起點的樣本),另外200個是從所有939個樣本中等間隔選取出來的。三個子模型訓練結(jié)束,進行后測。后測文本和行為實驗后測文本[7]一樣(見附件2),后測是對三個子模型分別用120個音節(jié)測試表進行測試,然后和前測結(jié)果進行比較。

        3 模擬結(jié)果和分析

        對三個子模型聲調(diào)范疇發(fā)展的研究,是通過三方面的考察進行的。一是三個子模型的聲調(diào)范疇圖比較;二是三個子模型在輸出層上不同類聲調(diào)之間距離的比較;三是三個子模型聲調(diào)混淆數(shù)量和類型的比較。綜合這三個方面對三個子模型聲調(diào)范疇的浮現(xiàn)過程進行研究。

        3.1 三個子模型的聲調(diào)范疇圖比較

        為了更好地看出聲調(diào)范疇的發(fā)展,對三個子模型輸出層進行部分截圖。如圖2、3和4(數(shù)字1、2、3和4分別表示陰平、陽平、上聲和去聲)。

        圖2 零起點子模型聲調(diào)范疇部分截圖

        圖3 初級子模型聲調(diào)范疇部分截圖

        根據(jù)四類聲調(diào)的聚類情況,筆者在圖2、3和4上畫出相應的范疇,從而可以直觀地看出三個子模型的聲調(diào)范疇的動態(tài)發(fā)展情況。據(jù)圖示,零起點子模型的四類聲調(diào)還沒有形成范疇,四類聲調(diào)的混淆情況很多,陰平和陽平相混,陰平和去聲相混,陽平和上聲相混,陽平和去聲相混。初級子模型去聲和陰平的聚類最好,上聲次之,陽平最差,可以說初級子模型已經(jīng)開始形成了一定的聲調(diào)范疇。但仍然還有聲調(diào)相混的情況。例如,陽平和上聲相混的很多,另外有很少量的陰平和去聲相混以及陰平和陽平相混。中級子模型聲調(diào)范疇繼續(xù)發(fā)展,去聲的聚類最好,其次是陰平,陽平和上聲最不好。據(jù)圖來看,可以說中級子模型的聲調(diào)范疇好于初級子模型,初級子模型的聲調(diào)范疇好于零起點子模型。

        圖4 中級子模型聲調(diào)范疇部分截圖

        3.2 三個子模型的聲調(diào)距離比較

        通過對輸出層上不同類聲調(diào)距離的計算,可以對聲調(diào)范疇的發(fā)展狀況進行量化。衡量的標準是距離越長,不同類聲調(diào)之間的區(qū)分越清楚,聲調(diào)范疇發(fā)展得越好。通過對兩類聲調(diào)所有樣本之間激活神經(jīng)元距離的計算,筆者對三個子模型六對聲調(diào)之間的距離(即陰平和陽平、陰平和上聲、陰平和去聲、陽平和上聲、陽平和去聲以及上聲和去聲這六對聲調(diào))進行了統(tǒng)計。如表3和圖5所示。

        表3 聲調(diào)距離平均值

        圖5 三個子模型聲調(diào)距離的比較

        非參數(shù)檢驗結(jié)果(Man-Whitney test)顯示,零起點和初級子模型的聲調(diào)距離差異顯著(p=.004),初級子模型的聲調(diào)距離明顯高于零起點子模型。零起點和中級子模型的聲調(diào)距離差異顯著(p=.004),中級子模型的聲調(diào)距離明顯高于零起點子模型。初級和中級子模型的聲調(diào)距離差異不顯著(p=1.000),初級和中級子模型之間的聲調(diào)距離沒有明顯差異。以上結(jié)果表明初級和中級子模型的聲調(diào)范疇發(fā)展得比零起點好。

        3.3 三個子模型聲調(diào)混淆數(shù)量和混淆類型的比較

        通過統(tǒng)計聲調(diào)的混淆數(shù)量和混淆類型,可以清晰地看出聲調(diào)范疇混淆的具體情況?;煜臄?shù)量和類型越少,說明聲調(diào)范疇發(fā)展得越好;反之,則聲調(diào)范疇發(fā)展得不好。圖6是對零起點、初級和中級三個子模型聲調(diào)混淆數(shù)量的統(tǒng)計,從中可以看出聲調(diào)混淆數(shù)量的變化過程。

        圖6 三個子模型聲調(diào)混淆數(shù)量的比較

        非參數(shù)檢驗結(jié)果顯示,零起點和初級子模型的聲調(diào)混淆數(shù)量差異顯著(p=.000),初級子模型聲調(diào)混淆數(shù)量明顯比零起點子模型的少。零起點和中級子模型的聲調(diào)混淆數(shù)量差異顯著(p=.000),中級子模型聲調(diào)混淆數(shù)量明顯比零起點子模型的少。初級和中級子模型的聲調(diào)混淆數(shù)量差異不顯著(p=1.000)。從模擬結(jié)果可以看出,初級和中級子模型的聲調(diào)范疇發(fā)展得比零起點子模型好。

        為了更好地考察混淆類型的發(fā)展變化,筆者又對不同混淆類型的數(shù)量進行了統(tǒng)計,統(tǒng)計結(jié)果見表4。

        表4 三個子模型六對聲調(diào)混淆類型的數(shù)量

        把三個子模型的聲調(diào)混淆類型做成圖7,可以更好地看出變化趨勢,如圖7所示(數(shù)字1、2、3和4分別表示陰平、陽平、上聲和去聲四類聲調(diào))。

        根據(jù)表4和圖7可以看出,零起點子模型有四對聲調(diào)混淆,分別是陰平和陽平、陰平和上聲、陰平和去聲以及陽平和上聲。其中陽平和上聲的混淆最多,其次是陰平和去聲。陰平和陽平以及陰平和上聲的混淆比較少。初中級子模型有三對聲調(diào)混淆,分別是陰平和陽平、陰平和去聲以及陽平和上聲。其中陽平和上聲的混淆數(shù)量最多,陰平和去聲以及陰平和陽平的混淆數(shù)量較少。初級和中級子模型的聲調(diào)混淆類型明顯少于零起點子模型,這也說明初級和中級子模型的聲調(diào)范疇發(fā)展得比零起點子模型好。另外,陽平和上聲的混淆數(shù)量在三個子模型里都是最多的,而且初級、中級子模型跟零起點子模型相比,陽平和上聲混淆數(shù)量的減少并不明顯。

        圖7 三個子模型的混淆類型數(shù)量的比較

        4 討論

        從三個子模型的聲調(diào)范疇圖、聲調(diào)距離以及聲調(diào)混淆數(shù)量和類型的比較結(jié)果看出,初級和中級聲調(diào)范疇的發(fā)展明顯好于零起點,陰平和去聲的混淆以及陽平和上聲的混淆是最主要的混淆類型,陰平和去聲的聚類程度好于陽平和上聲。模擬結(jié)果和行為實驗結(jié)果[7]總體上是吻合的,由此可以得出以下結(jié)論。

        (1)英語母語者漢語聲調(diào)范疇的發(fā)展是一個從無到有的漸進過程。初級和中級子模型聲調(diào)范疇的發(fā)展明顯比零起點子模型好,中級子模型雖然從聲調(diào)距離、聲調(diào)混淆數(shù)量以及類型的比較上跟初級子模型相比無顯著差異,但是從聲調(diào)范疇圖(圖3和圖4)的比較來看,中級聲調(diào)范疇的發(fā)展明顯好于初級子模型??梢哉f零起點子模型是聲調(diào)范疇的萌芽期,初級子模型是聲調(diào)范疇的初始形成期,中級子模型是聲調(diào)范疇發(fā)展的穩(wěn)定期。另外,第二語言學習者不同調(diào)類聲調(diào)的聚類程度不一樣。例如,三個子模型都是去聲和陰平的聚類程度好于陽平和上聲。這說明陽平和上聲的聲調(diào)范疇較難建立。由于陽平和上聲在調(diào)值特征和調(diào)形特征上都存在著共性,例如,調(diào)值上的低調(diào)性質(zhì)、調(diào)形上的拐點特征以及后半部的升調(diào)性質(zhì),這些因素共同制約著陽平和上聲聲調(diào)范疇的發(fā)展,無聲調(diào)語言母語者在發(fā)出漢語聲調(diào)時,需要同時利用這些語音特征,但是注意資源的有限使得陽平和上聲的區(qū)分難度大大增加。

        (2)第二語言學習者的漢語聲調(diào)系統(tǒng)是一個復雜適應性系統(tǒng),自組織機制是支配第二語言學習者漢語聲調(diào)浮現(xiàn)的主要機制。漢語聲調(diào)范疇的浮現(xiàn)基于漢語聲調(diào)特征的自組織,聲調(diào)特征的發(fā)展決定了聲調(diào)的發(fā)展。無聲調(diào)語言母語者首先對聲調(diào)特征進行提取,然后進行特征比較,對不同的聲調(diào)特征賦予不同的權重,把具有共性的特征進行聚類,然后形成聲調(diào)范疇。其實,聲調(diào)范疇的混淆也體現(xiàn)出了“共性特征的聚類”。例如,陰平和去聲都屬于高調(diào),陽平和上聲都屬于非高調(diào),所以這種調(diào)值上的相似點,使學習者把陰平和去聲調(diào)值聚在一起,把陽平和上聲的調(diào)值聚類在一起。陽平和上聲都有拐點,這種調(diào)形上的相似點也會使學習者把陽平和上聲聚類在一起。聲調(diào)特征自組織的過程也要受到母語語音特征和漢語音段特征的影響。也就是說聲調(diào)特征之間存在著相互作用,聲調(diào)特征和母語語音特征以及漢語音段特征之間也存在著相互作用。模擬研究建立的雙語模型正好可以直觀地展現(xiàn)出不同特征之間相互作用、自組織的動態(tài)過程,這是行為實驗無法做到的。

        (3)外部因素對聲調(diào)范疇浮現(xiàn)的結(jié)果具有重要影響。這里的外部因素指的是語言知識的增加和難度的提高,也就是模擬研究中的訓練樣本的變化。訓練樣本的選取遵循兩個原則:一是保證樣本的累積效應,即在零起點學習過的樣本同樣還會在初級和中級出現(xiàn),初級的樣本會在中級出現(xiàn);二是保證所選擇的樣本能代表實際整體樣本的頻次分布,即所挑選的樣本能比較真實地模擬實際學習中的樣本情況。原則一體現(xiàn)了知識的增加和累積,原則二體現(xiàn)了知識難度的提高。語言知識的累積對漢語聲調(diào)范疇的發(fā)展有兩種影響。一是知識累積促進了聲調(diào)范疇的發(fā)展。第二語言學習者隨著語音知識的增加,不斷調(diào)整聲調(diào)特征的權重,使?jié)h語聲調(diào)范疇的發(fā)展不斷進步。二是知識的累積和知識難度的增加造成了聲調(diào)范疇浮現(xiàn)中的種種變異現(xiàn)象。例如,聲調(diào)距離的比較結(jié)果顯示出中級子模型略微有些退步,這就體現(xiàn)了浮現(xiàn)過程中時常發(fā)生的“倒退”現(xiàn)象。

        雖然模擬研究基本上驗證了行為實驗[7]的結(jié)果,但是還存在著一些差別。例如,行為實驗中的初中級被試不能區(qū)分兩對聲調(diào)范疇,模擬研究中的初中級子模型不能區(qū)分三對聲調(diào)范疇。從混淆類型來看,對于零起點階段來說,行為實驗中的被試能區(qū)分陰平和陽平以及陰平和上聲之間的聲調(diào)范疇,而模型能區(qū)分陽平和去聲以及上聲和去聲。對于初中級階段來說,行為實驗被試不能區(qū)分陰平和去聲以及陽平和上聲,模型不能區(qū)分陰平和陽平、陰平和去聲以及陽平和上聲。筆者認為存在差異的原因主要是因為,行為實驗被試來自于三個無聲調(diào)語言國家(英語、西班牙語和德語),模擬則只研究了英語。行為實驗提取的是調(diào)值特征,而模擬提取了調(diào)值、調(diào)形、調(diào)域和調(diào)長四項特征。語言背景跟特征提取的差異,會使模擬和行為實驗的結(jié)果存在一些不同之處。但是由于模擬研究較好地保證了被試的同質(zhì)性,并且能夠直觀地考察不同因素間動態(tài)的相互作用過程,可以說模擬研究具有較強的可信度和解釋力。

        5 小結(jié)

        本研究對英語母語者漢語聲調(diào)范疇浮現(xiàn)過程的模擬研究,動態(tài)地表現(xiàn)出聲調(diào)范疇在自組織機制的支配下是如何逐漸浮現(xiàn)的。聲調(diào)范疇模擬研究的理論假設是:聲調(diào)范疇的獲得是基于聲調(diào)特征的自組織過程,聲調(diào)范疇的浮現(xiàn)過程是學習者對聲調(diào)特征聚類的過程。同時,也是母語語音特征和二語語音特征之間以及內(nèi)部語音特征和外部環(huán)境因素特征(時間的變化、知識量的增加以及知識難度的提高等)相互作用的過程。模擬結(jié)果和行為實驗結(jié)果的吻合,證明了筆者的理論假設,說明聲調(diào)特征的自組織機制就是聲調(diào)范疇發(fā)展的內(nèi)在機制。

        聲調(diào)范疇浮現(xiàn)的模擬研究也可以為聲調(diào)教學提出一些有益的建議。學習者在開始學習漢語聲調(diào)時,對聲調(diào)范疇沒有概念,教師可以多設計一些聲調(diào)聽辨和感知的練習,讓學習者了解六對聲調(diào)之間的差異所在。在初、中級階段重點讓學習者練習陽平和上聲以及陰平和去聲的差異。并且要把這些聲調(diào)放在多音節(jié)短語或者語流中,對學習者進行范疇感知和產(chǎn)出的練習。尤其對于無聲調(diào)語言母語者來說,聲調(diào)范疇的感知和產(chǎn)出訓練可以使他們對聲調(diào)間的差異逐漸敏感,促使聲調(diào)范疇浮現(xiàn)。

        雖然模擬研究能夠動態(tài)地展現(xiàn)不同特征之間相互作用的結(jié)果,但是未能明確地表現(xiàn)出母語語音特征和漢語音段特征對聲調(diào)范疇發(fā)展的影響的具體程度,所以筆者會繼續(xù)改進GTS-SOFM模型,同時設計新的行為實驗,將母語語音特征(英語語調(diào)或者重音模式)和漢語音段特征(音節(jié))作為兩個因素進行考察。另外,無聲調(diào)語言母語者聲調(diào)范疇的建立是一個從無到有的過程,也是一個從低層次到高層次的發(fā)展過程。聲調(diào)語言母語者(如泰語母語者)漢語聲調(diào)范疇的浮現(xiàn)跟無聲調(diào)語言母語者不一樣,漢語聲調(diào)的浮現(xiàn)是一個相似范疇的建立過程。如果我們能夠建立一個聲調(diào)語言母語者漢語聲調(diào)范疇浮現(xiàn)的模型,可以更好地解釋漢語聲調(diào)范疇的習得機制問題以及母語對聲調(diào)范疇浮現(xiàn)的影響。下一步筆者會利用GTS-SOFM模型對聲調(diào)語言母語者聲調(diào)范疇的浮現(xiàn)進行研究。

        附錄A

        表A1 前測音節(jié)之一

        續(xù)表

        表A2 前測音節(jié)之二

        [1]Leather,J.F0pattern inference in the perceptual acquisition of second language tone[M]//A.James and J.Leather(eds.),Sound patterns in Second Language Acquisition.Dordrecht:Foris Publications,1987:59-81.

        [2]Stagray,J.R.,and Downs,D.1996.Differential sensitivity for frequency among speakers of a tone and nontone language[J].Journal of Chinese Linguistics,1993,21,143-163.

        [3]HalléP.Y-CH.,Chang.C.Best.Identification and discrimination of Mandarin Chinese VS.French listeners[J].Journal of phonetics,2003.

        [4]陳學德,陳玲,曾碚凱,等.一個基于神經(jīng)網(wǎng)絡的手寫文字分類/識別模型[J].中文信息學報,1993,7(3):16-25.

        [5]張德喜,馬少平,朱紹文,等.基于統(tǒng)計與神經(jīng)元方法相結(jié)合的手寫體相似字識別[J].中文信息學報,1999,13(3):33-39.

        [6]顧明亮,沈兆勇.基于語音配列的漢語方言自動辨識[J],中文信息學報,2006,5:77-82.

        [7]陳默.無聲調(diào)語言母語者漢語聲調(diào)浮現(xiàn)過程的實驗和模擬研究[D].北京語言大學博士論文,2009.

        [8]Alahakoon D,Halgamuge S K,Srinivasan B.Dynamic self-organizing maps with controlled growth for knowledge discovery[J].IEEE Trans.on Neural Networks,2000,11(3):601-604

        [9]王莉,王正歐.TGSOFM:一種用于數(shù)據(jù)聚類的動態(tài)自組織映射神經(jīng)網(wǎng)絡[J].電子與信息學報,2003,25(3):313-319.

        [10]陶駿,洪國輝.基于生長的自組織映射的數(shù)據(jù)挖掘[J].計算機應用,2005,25(2):309-311.

        [11]Li,P.,MacWhinney,B.PatPho:A phonological pattern generator for neural networks[J].Behavior Research Methods,Instruments,and Computers,2002,34:408-415.

        [12]Zhao X,Li P.An online database of phonological representation for Mandarin Chinese monosyllables[J],Behavior Research Methods.2009,41(2):575-583.

        [13]吳宗濟,林茂燦.實驗語音學概要[M].高等教育出版社,1989.

        [14]方庭鈺等.英語常用詞詞典[M].外語教學與研究出版社,1991.

        [15]牛津英漢雙解小詞典(第9版)[M].英國牛津大學出版社.外語教學與研究出版社,2008.

        [16]楊寄洲.《漢語教程》系列教材[M].北京語言大學出版社,2003.

        猜你喜歡
        零起點陰平陽平
        河北滄惠片“陽平上”三調(diào)類方言的單字調(diào)與連調(diào)
        偷渡陰平
        太谷方言陰平陽平教學初探
        參花(下)(2019年10期)2019-11-13 15:54:48
        調(diào)域和時長對韓國學生感知陰平和去聲的影響
        零起點漢語聽說教學中的交際性研究
        養(yǎng)子
        四川文學(2016年9期)2016-09-18 23:16:32
        “零起點教學”轉(zhuǎn)變家長教育觀念
        中華家教(2014年11期)2014-04-29 00:44:03
        “非零起點”下大學計算機基礎的教學改革探索與深化創(chuàng)新——以廣西外國語學院為例
        河南科技(2014年10期)2014-02-27 14:09:38
        大學俄語閱讀零起點學生與非零起點學生同步教學初探
        再談“字正腔圓”
        考試周刊(2009年3期)2009-03-20 07:14:52
        亚洲狠狠婷婷综合久久久久| 果冻蜜桃传媒在线观看| 日韩一级精品亚洲一区二区精品| 国产精品成人亚洲一区| 免费网站看v片在线18禁无码| 真人男女做爰无遮挡免费视频 | 九九久久精品大片| 中文字幕日韩精品永久在线| 天天躁日日躁aaaaxxxx| 亚洲国产精品久久久久秋霞影院| 天堂在线观看av一区二区三区| 中文字幕文字幕一区二区 | 亚洲精品国产成人久久av盗摄| 亚洲中文字幕无码av永久| 亚洲精品字幕在线观看| 青青草综合在线观看视频| 亚洲综合久久精品少妇av| 国产精品免费看久久久无码| 少妇对白露脸打电话系列| 亚洲色欲色欲www成人网| 人妻少妇av中文字幕乱码| 被三个男人绑着躁我好爽视频| 夜色阁亚洲一区二区三区| 在线观看中文字幕一区二区三区 | 亚洲av永久中文无码精品综合| 牛牛本精品99久久精品88m| 久久这里只有精品黄色| 亚洲国产精品av在线| 成人免费看片又大又黄| 91华人在线| av毛片亚洲高清一区二区| 日韩日韩日韩日韩日韩日韩| 玩弄放荡人妻一区二区三区 | 麻豆成人久久精品一区| 久久久久久久综合综合狠狠 | 亚洲最大无码AV网站观看| 快射视频网站在线观看| 天天碰免费上传视频| 亚洲精品不卡电影| 青青草在线成人免费视频| 人妻丝袜中文无码av影音先锋专区 |