XiaoMi-AI文件搜索系统
World File Search System克什米尔语
言语、语言和交流 (SLC) 交付计划
支持 SLC 的发展对于实现新课程的四个目标至关重要。作为语言、读写和交流学习和体验领域的一部分，已经制定了早期口语能力发展的学习描述，包括系统地发展语音意识。完善的读写框架将提供有关听力和口语的更多细节。总体指导将支持机构和学校发展他们的
叙事功能或结构化功能？大语模型的研究
众所周知，抽象的癌症治疗会引入心脏毒性，对结局产生负面影响和生存。识别患有心力衰竭风险（HF）的癌症患者对于改善癌症治疗结果和安全性至关重要。这项研究检查了机器学习（ML）模型，以使用电子健康记录（EHR）（包括传统的ML，时间感知的长期短期记忆（T-LSTM）（T-LSTM）和大型语言模型（LLMS），使用从结构性医疗代码中得出的新型叙事特征。我们确定了来自佛罗里达大学健康的12,806名患者，被诊断出患有肺部，乳腺癌和结直肠癌，其中1,602名患者在癌症后患有HF。LLM，GatorTron-3.9b，达到了最佳的F1分数，表现优于传统的支持向量机39％，T-LSTM深度学习模型乘以7％，并且广泛使用的变压器模型BERT，5.6％。分析表明，所提出的叙事特征显着提高了特征密度和提高的性能。引言癌症和心血管疾病是美国（美国）的前2个死亡原因，它们通常在多个层次上共存并相交。1-3癌症是全球重要的公共卫生问题，也是美国第二常见的死亡原因。在2023年，美国有1,958,310例新的癌症病例，导致609,820例死亡。4肺癌和支气管癌是最致命的癌症形式，估计导致127,070例死亡，其次是结直肠癌，估计有52,550例死亡。Yang等。 angraal等。 Yu等。Yang等。angraal等。Yu等。Yu等。乳腺癌是最常见的癌症诊断，估计有30万人。已知许多癌症治疗方式，例如化学疗法和放射疗法，都引入心脏毒性并可能导致心脏故障，这是癌症患者疾病和死亡的重要原因。5例癌症患者经常面临双重挑战，即不仅要管理其原发性癌症，而且还涉及癌症治疗的潜在心脏毒性作用。6即使不是直接心脏毒性，癌症治疗也会导致代谢，能量平衡，贫血和其他生理压力源的变化，这些胁迫可能会加速或发现先前存在的患者心脏病的倾向。为了解决这个问题，心脏肿瘤学是结合心脏病学和肿瘤学知识以识别，观察和治疗癌症患者心血管疾病的越来越感兴趣的领域。HF的发生率显着有限，对癌症的治疗方案显着影响，并对生活质量产生负面影响。使用电子健康记录（EHR）来识别有HF风险的癌症患者，以帮助决策并提高癌症治疗的安全性。通常将HF的预测作为二进制分类任务进行处理，该任务是使用机器学习模型来对其进行访问的，以将给定的个体分类为正（以HF风险）或负面（无HF风险）类别。先前的研究探索了使用EHR来使用传统的机器学习模型和基于神经网络的深度学习模型来预测HF的风险。混合神经网络11-13，包括混合动力7系统地探索了传统的机器学习模型，包括逻辑回归（LR），随机森林（RF），支持向量机（SVMS）和梯度增强（GB），具有单速和术语频率内文档频率（TF-IDF）特征编码策略。8开发了使用LR，RF，GB和SVM的HF患有HF的门诊病人的死亡率和住院模型。9探索了英国生物库的基因组学数据以进行心力衰竭预测。在这些先前的研究中，来自EHR的结构化医疗法规通常表示为具有零值和零值的向量，其中零表示患者没有相应的特征，而患者表示患者具有相应的特征，称为单次编码。然而，在单次编码期间，EHR的事实结构被简化为向量表示，而无需考虑时间关系。为了捕获事件时间结构，研究人员探索了深度学习方法，例如使用长期短期记忆（LSTM）10实施的复发性神经网络。
2025-01-02-英语至乌尔都语字典（v 2.8）
（m）男性（f）女性（sg）单数（pl）复数（adj）形容词（adv）副词（v.i.）不及物动词（完美时态未使用的“ NE”）（v.t。）及时动词（完美时态中使用的“ ne”）
大语模型中各种性别的心理健康污名 - 摘要
抽象的心理健康污名表现出不同的性别的不同表现，通常与女性相关，并被男性忽视。NLP中的先前工作表明，性别心理健康污名是在大型语言模型（LLMS）中捕获的。但是，在过去的一年中，LLM发生了巨大变化：更新的，生成的模型不仅需要不同的方法来衡量偏见，而且它们在社会上也广泛流行，与数百万用户互动并增加了使性别心理健康刻板印象永久存在的风险。在本文中，我们研究了gpt3.5-turbo中的性别健康污名，该模型为Openai受欢迎的Chatgpt提供动力。在先前工作的基础上，我们进行了定量和定性分析，以测量二元性别之间的GPT3.5-Turbo的偏见，并在有关心理健康的对话中探索其周围非二元性别的行为。我们发现，尽管gpt3.5涡轮增压是明确假定性别的，但当被要求完成有关心理健康的句子时，它仍然包含隐性的性别偏见，始终偏爱女性名字而不是男性名字。此外，尽管GPT3.5-Turbo表明了对非二元人经历的细微差别的认识，但在自由回答提示中，它经常对非二元性别认同的固定过度。我们的初步结果表明，虽然现代生成的LLM含有防御公然性别偏见的保障措施，并且在非二进制身份的包容性方面取得了进步，但它们仍然隐式地编码性别的心理健康污名，因此有可能在心理健康环境中危害有害的刻板印象。
核心VIII：语言和语言学方面 - 骄傲
语言变化 - 英语品种 - 语言，方言，pidgin＆Creole - F.T. Wield双语主义 /多语言主义 - 双语和多语言主义编辑手册：Tej K. Bhatia：Tej K. Bhatia：Tej K. Bhatia，William C. Ritch C. Ritchie语言 - 语言的心理学 - Trevor A. Harley A. Harley A. Harley A. Harley A. Harley A.克拉克，克里斯·福克斯（Chris Fox）和沙洛姆·拉平（Shalom Lappin）文本
法律规定的迁移移民权利右下语 -
每年，由于与自然危害有关的灾难，气候变化的不利影响和环境退化，数百万人被驱逐到流离失所。在暴露于脆弱性的情况下，在暴露于缓慢发病事件的地区仍然有更多的被困或不动。灾难和相关的流离失所和固定性威胁着个人和社区的人权，加剧了现有的脆弱性并削弱了韧性，由于其性别，年龄，阶级，阶级，土著，残疾，健康，健康，健康，迁移或其他状况而面临社会不平等和/或歧视的人，对已经面临社会不平等和/或歧视的人受到了不成比例的影响。各州有责任始终尊重，保护和履行其领土上所有个人的权利。
Quantum非马克维亚语难以捉摸
简介。是通往量子信息处理路径的关键障碍是噪声[1]。量子噪声的常规模型，负责Qubits的分辨率，做出了许多简化的假设。关键假设之一是噪声是无记忆或马尔可夫人[2]；这是错误的，并且已经启动了一般的量子信息处理器和量子信息处理器的巨大努力[3-6]。虽然非马克维亚噪声比马尔可夫更为复杂，但这并不是更有害的。实际上，表现为时间相关的非马克维亚效应可用于改善量子信息处理器的功能[7-9]。因此，建模和表征非马尔可夫噪声的不同品种具有强大的兴趣。这项努力的第一个挑战是能够在量子制度中的马尔可夫和非马克维亚噪声之间差异，这不是一件容易的事。通常，商号噪声与指数衰减曲线相关，例如，一个量子，可放松到最大混合状态的速度快速。但是，在某些情况下，量子量显示了指数衰减，但是尽管如此，但仍在进行非马克维亚过程[10，11]。一个著名的例子是由于Lindblad造成的，被称为浅口袋（SP），最近在动态脱钩[12，13]，信号[13]和多时间相关性[14]方面已详细审查。（请参阅参考[15]用于sp。）另一方面，有一类系统环境动力学，生成的在每种情况下，很明显，看似简单的马尔可夫噪声实际上是复杂的非马克维亚噪声，可以利用该噪声来实现系统的连贯性时间。
隐喻和语域变化 - VU 研究门户
致谢 这篇论文的最后阶段总是让人觉得遥不可及。现在它们已经到来，感觉我不仅完成了我的博士项目，而且结束了一个时代，我的 VU 时代。我想借此机会感谢那些在帮助我完成论文和让这个时代令人难忘方面发挥了重要作用的人。首先，非常感谢我的导师 Gerard Steen 和 Wilbert Spooren。Gerard，感谢您将我带入了隐喻的奇妙世界，并让我和我们的团队成为 Pragglejaz 和 RaAM 鼓舞人心的世界的一部分。您对我所做工作的批判性观点和建设性反馈总是很有帮助，有时是急需的。Wilbert，感谢您密切关注并就许多事情提供有益和实用的建议，特别是关于统计数据和定量章节。如果没有你们两位的帮助和支持，这个最后阶段会花费我更长的时间。我还要感谢 Eric Akkerman、Onno Huber 和 Gerben Mulder 提供的技术支持和统计分析方面的帮助。如果没有他们的帮助，该项目的许多部分都无法顺利完成。在这方面，我还要感谢我的学生助理 Gudrun Reijnierse，她出色地编码了历史新闻文本，并批判性地审查了我的编码工作和荷兰语手册。我很幸运能够在英国兰开斯特度过三个月的研究时间，在 Elena Semino 和 Veronika Koller 的指导下对隐喻数据进行定性分析。他们为我提供了宝贵的意见、建设性的反馈和鼓励，对此我要表示诚挚的感谢。感谢您为我提供时间和机会与您合作。如果没有语言与交流系和英语系的同事，我在 VU 攻读博士学位的时光就不会一样。我要感谢他们创造了如此愉快的工作环境。特别感谢我的“promovendi-klasje”同事以及 Marco Last 和 Digna van der Woude，他们让“klasje”成为可能。如果没有你们的支持和建议，最后阶段会困难得多。我的 Vici 和 Ster 同事 Tina、Berenike 和 Kirsten 让这个项目的工作变得更加轻松、更有用和有趣。我很幸运能够和你们一起在这个项目上工作。感谢你们所有的支持，感谢你们一起愉快的会议访问，感谢你们如此有趣和富有成效的 Vici-Ster 合作！两位隐喻“同事”和博士生同学值得特别感谢。莱蒂和安娜，把你们称为同事和
马耳他语制作中的相对化策略...
摘要：马耳他语和意大利语在限制性关系从句形成方面表现出参数上不同的选择。本研究重点关注在正式语境中学习意大利语作为第二语言的非母语、中级和高级马耳他学生的中介语。关系从句按照 Keenan 和 Comrie (1977) 的名词短语可访问性层次结构 (NPAH) 进行分类和分析，该理论框架用于研究关系从句的结构。鉴于关系从句在意大利语中是提取的孤岛，本研究还结合了 Beltrama 和 Xiang (2016) 改编的自定进度实验设计的结果，以调查 [-wh-移动] L1（马耳他语）和 [+wh-移动] L2（意大利语）在 L2 习得的最后阶段对复杂关系从句的 L2 处理的影响程度。结果表明，关系从句句法结构的习得过程受到二语水平和二语句法结构出现频率的影响。随着熟练程度的提高，高级学习者的产出越来越接近母语人士，高级组表现出与母语人士相似的水平。本研究在三个主要领域提供了新的证据：（i）名词短语可接受性层次结构作为理论框架如何补充实验方法设计；（ii）在复杂句法结构的实验设计中，哪些因素有助于描述和解释语言可接受程度；（iii）导致非母语学习者在关系从句的准确性和处理效率方面取得进步的同时，习得和产生超越可能经验极限的复杂句法结构的可能因素。关键词：意大利语 L2 习得、名词短语可访问性层次 (NPAH)、限制性关系从句、语言处理和中介语 简介 本研究探讨了在 11 岁开始在正式环境中学习意大利语的高水平双语非母语人士的中介语能力 (IL) 中关系从句的形态句法。先前的研究表明，IL 语法因母语而异
空中交通管制员语言中的图像示意图隐喻
摘要 我们的目标是识别空中交通管制应用领域的图像图式隐喻 (ISM)，从而了解管制员的心理模型。通过在管制员的口语中标记 ISM，我们识别出表示空中交通三个视角的隐喻，即 (1) 飞机物理位置和飞行路径的地理视角，(2) 空中交通责任的隐喻实例化分布，以及 (3) 指代空中交通管理组织级别的隐喻。我们讨论了可能对设计连贯界面构成特殊挑战的目标域，因为它们映射到多个源域，有时与物理映射相竞争。我们的主要初步贡献是一份隐喻实例列表，作为未来空中交通管制环境中创新但直观易用的界面原型的基础。