XiaoMi-AI文件搜索系统
World File Search Systemlinguistic
网络空间的语言和文化多样性
前两次网络语言和文化多样性会议的重要成果包括扩大专业联系和建立不同国家顶尖专家之间的友好关系。教科文组织全民信息政府间计划、其俄罗斯委员会和 MAAYA 世界语言多样性网络之间建立了卓有成效的伙伴关系，后者由信息社会世界峰会筹备委员会主席 Adama Samassekou 领导。2010 年，在俄罗斯全民信息计划委员会和教科文组织莫斯科办事处的支持下，东北联邦大学成立了网络空间多语言促进中心。不同层次，尤其是教科文组织内部，都提高了对网络空间多语言保护和发展重要性的认识。在俄罗斯的倡议下，教科文组织宣布网络空间多语言为全民信息计划的第六个优先事项，并成立了一个专门的全民信息计划工作组。
网络空间的语言和文化多样性
会议聚集了来自世界各个角落的 15 个国家的 100 多名与会者。他们包括政府间组织和其他国际组织的领导人和雇员，以及政府行政部门和文化、教育、研究、信息和通信机构和机构的领导人和雇员，企业、民间社会和媒体的代表，政治和社区活动家，以及来自世界主要研究中心的保护多语言现象方面的顶尖专家和研究人员——其中就包括马里的 Adama Samassékou，他是非洲语言学院的执行秘书，曾领导信息社会世界峰会的筹备工作；还有联合国教科文组织关于保护多语言现象的基本文件的作者：Victor Montviloff、Daniel Prado 和 Marcel Diki-Kidiri。
国家语言安全战略
背景................................................................................................................................................................................................ ...................................................................................................................................................................................... 3
英语诗歌的语言历史
将现代语言学和文学批评的重点和技术汇总在一起，作者将其应用于从莎士比亚到今天的一系列诗。作者认为，诗歌与其他语言话语和非语言标志系统唯一和本质上不同。观察各种方法，包括新的批评家，形式主义者，结构主义者和后结构主义者的方法，他揭示了自16世纪以来诗意的结构和诗意的含义如何改变，并提供了批评诗歌的新解释模型和方法。特别强调与文学史以及社会，文化和审美考虑有关的文本背景。所涵盖的文字包括Donne，Herbert，Marvell，Milton，Pope，Thomson，Wordsson，Coleridge，Coleridge，Blake，Keats，Keats，Shelley，Tennyson，Browning，Arnold，Arnold，Hopkins，Eliot，Eliot，William Carlos Williams，William Carlos Williams，E.E. E.E.卡明斯，larkin和E.J.Thribb。这本书包含单个文本，工作示例和练习以及词汇表的详细读物，非常适合在英语，文体学和语言学上进行研究生课程。理查德·布拉德福德（Richard Bradford）是科莱恩（Coleraine）阿尔斯特大学（University of Coleraine）的英语讲师。
语言概念的视觉类比及其含义
摘要 许多视觉生成人工智能 (AI) 模型使用文本“提示”作为输入来指导生成图像的开发。将文本转换为图像利用了语用学和语义学，这会对输出产生影响。为了促进更精确的提示，我们提出了文本相似性的三维向量空间，它使用文本表示、听觉表示和含义相似性作为轴。接下来，我们表明两个单词之间含义相似并不一定会导致相应的 AI 生成的这些单词图像之间视觉相似。我们利用八个图像生成器为抽象和具体的同义词、反义词和上义词-下义词对生成图像，并将它们的图像-图像 CLIPScore 与它们对应的文本-文本 CLIPScore 进行比较，从而定量地证明了这一点。在所有模型和关系类型中，文本与文本和图像与图像相似度的平均相似度同义词从 92.8% 下降到 70.1%，反义词从 89% 下降到 58.9%，上义词-下义词对的平均相似度从 85.6% 下降到 68.1%。
写作研究中的语言水流奖学金
摘要：在本文中，我们分析了如何在学科中借用和重新解释语言术语。具体来说，我们描述了与应用语言学（AL）相关的术语如何改变含义，因为它进入了写作研究的新纪律环境（WS），通常会导致两个领域之间的混乱和湍流。与其他关于英语历史（HEL）的作品一样，我们的分析因此考虑语言变化如何随着时间的推移（时光）和跨不同的说话者社区（同步）的方式起作用。我们对术语的分析是如何使用和定义的，该术语是如何在Al与WS指向学科的不同价值体系中使用和定义的。我们认为，使用中的这种差异也可能源于WS将自己确立为纪律的需求。我们结束了考虑HEL告知的WS和AL如何共同努力，以进一步促进我们对语言和以语言为中心的教学法的了解。
阿拉伯语语言环境中的人工智能
摘要 – 当今时代人工智能应用的广泛使用为阿拉伯语这一广泛的语言领域以及将这些应用用于学习、生成和校对阿拉伯语的可能性创造了独特的机遇和挑战。主要研究问题是人工智能应用在阿拉伯语环境中的有效性和挑战。本研究测试了尽管存在挑战，但人工智能工具是否比传统方法更能增强阿拉伯语。使用谷歌学术的重点策略对研究进行了全面的文献综述，使用了“人工智能”和“阿拉伯语”等特定关键词，并选择了与人工智能在阿拉伯语教育、翻译和处理中的作用相关的研究。本研究揭示了人工智能应用与阿拉伯语之间的关系，包括对该领域已发表的研究的回顾，以确定使用这些应用的现实情况及其在服务阿拉伯语方面的有效性程度。
推断大脑中语言计算的本质
句子包含决定其意义的结构，而不仅仅是单个单词的意义。Ding 及其同事 (2016) 的一项有影响力的研究使用短语和句子的频率标记来表明，人类大脑对结构很敏感，因为它会在结构呈现的速率下找到神经功率的峰值。从那时起，人们就如何最好地解释这种对语言科学产生深远影响的结果模式展开了激烈的争论。使用分层结构构建的模型以及基于联想序列处理的模型可以预测神经反应，从而产生了一个推理僵局，即哪一类模型可以解释神经读数中反映的语言计算的性质。在当前的手稿中，我们讨论了各种模拟所说明的文献中得出的结论中出现的陷阱和常见谬误。我们得出结论，仅基于这些神经数据以及任何类似的数据来推断句子处理的神经操作是不够的。我们讨论了如何最好地评估模型，以及如何以忠实于认知、神经和语言原理的方式对神经读数进行建模以进行句子处理。
人类社会互动中笑的语言图案
笑声是一种传达各种情绪状态的社会行为，并且与语言交流杂乱无章。随着人们越来越多地参与语音激活的人工智能（语音-AI）系统，一个悬而未决的问题是，在语言与技术互动时，笑声模式如何。在实验1中，我们收集了用户（n = 76）和亚马逊Alexa Socialbots（旨在模拟人类对话互动的语音-AI界面）之间记录的简短对话（〜10分钟）的语料库，并分析了笑声的互动和务实的环境。笑声被编码为相对于各种语音行为以及语音模式（例如持续时间和发音）的互动中的位置。我们的分析表明，当Alexa的言语内容被认为是不合适的话语背景时，最常见的笑声是最常见的。语料库中的笑声在很大程度上也很短且未发声 - 这些特征通常与负面的社会价值有关。在实验2中，我们发现单独的听众没有区分数据集的正面和负面笑声，尽管我们发现笑声被评为更正面的笑声也被评为更加兴奋和真实。总的来说，我们讨论了人类计算机互动模型的发现以及在社交机器人对话中使用笑声的应用。