摘要。本研究旨在识别和分析电影《一个叫奥托的男人》中主角使用的不礼貌策略的类型和功能。本研究采用描述性定性方法。数据包括主角奥托专门使用的话语。本研究的数据来源是电影《一个叫奥托的男人》,借助文字记录来确保电影中的话语完整准确地传达。研究人员采用了 Culpeper 的不礼貌策略理论(2005)及其功能(2011)。结果显示,发现了 63 种不礼貌策略:直言不讳的公开话语(11),积极不礼貌话语(20),消极不礼貌话语(23),隐晦话语(1)和隐瞒礼貌话语(8)。消极不礼貌倾向性更强,因为奥托的性格是在妻子去世后深深的孤独感所形成的,这使他变得不耐烦、直率和易怒。此外,本研究中出现了三种功能中的两种,即情感不礼貌(25)话语和强制功能(38)话语,强制不礼貌倾向性更强,因为奥托希望获得优势或保持对局势的控制,再加上他的权力动态,例如年长和经验丰富。此外,这部电影没有发现娱乐功能,因为它关注的是奥托的个人旅程和情感挑战。
本研究论文探讨了人工智能与科幻电影之间复杂的相互作用,从描绘的角度描绘了人工智能的演变,同时研究了人工智能如何影响社会观念。该研究跨越历史时代,从《大都会》等经典电影中的早期描绘到《她》和《机械姬》等电影中的当代叙事,对主要电影作品进行了定性分析。从方法论上讲,这项研究基于一个连续的框架,该框架研究了人工智能角色的演变主题、道德问题和转变。为了理解反复出现的主题及其含义,还采用了定性内容分析。本文揭示了电影故事与社会观念之间的共生关系,阐明了科幻电影如何在塑造国家对人工智能的看法、影响道德问题、技术进步和社会态度方面发挥作用。本文旨在通过研究电影中人工智能与科幻之间的交集,深入了解这一广泛主题的文化、技术和商业方面。
接触时间:34小时讲座模块人员:E。Creagh,K。Mok,A。Khan,J。Hayes,D。Nolan,M。Hankir,M。Ramaswami,S。Martin,S。Martin,M。Campbell,M。Campbell,K。Roberts Learning Aims:该模块旨在使学生了解细胞结构,组成和功能。细胞器的分子组成,每个细胞器中进行的过程以及如何整合在细胞功能中的这些过程。还介绍了学生动力学;细胞代谢; DNA结构和复制,转录和翻译;基因表达的调节;孟德尔的遗传和遗传疾病。该模块还向学生介绍病毒学 - 病毒如何复制,突变,进入细胞并接管感染期间的细胞过程。模块内容:讲座计划,每周四个讲座,星期一13:00,星期三17:00,星期五9:00和12:00
图3。夹子的差异是由BEN捕获的(FWE校正了p <0.05)。a)在四次观看电影中,三个剪辑之间的BEN差异。遵循顺时针方向,它们分别在运行1,运行2,运行3和运行4中。b)
摘要:在文章中,在独立时期拍摄的一些乌兹别克电影的语言被选为研究对象,并从形态规范方面进行了检查。在检查期间,发现电影的语言还需要根据形态学标准进行检查。在电影的语言中观察到了形态手段的规范性和非规范案例。基于观测值的结论以图和表中的形式提出。注意到,与其他文学语言规范一样,形态规范在任何文学语言的形成和发展中都很重要。这是基于示例证明,电影的语言在这方面起着主导作用。得出的结论是,未来消除了示例中指出的缺点可能会导致文学语言的发展。关键词:文学语言,电影语言,文学标准,形态标准,单词建造者,词汇形式建筑商,句法形式的建筑商。
摘要:在过去的200年中,英语文化与其他种族有着广泛的接触,几乎总是来自主导地位(Filmer,2012年)。在英语中,几乎每个种族或族裔都有种族诽谤,而发誓单词通常在英语电视对话中使用。在电影字幕中翻译誓言构成了翻译挑战,由Soler Pardo(2015),Ávila-Cabrera(2016),Beseghi(2016)和Díaz-Pérez(2020)等学者进行了研究。本文分析了三个种族主义的称呼,分析了英语向意大利语,Eyetie和Goombah的翻译,用于指代意大利人或意大利人的人。分析的数据取自OpenSubtitles的英语 - 意大利平行语料库(Lison&Tiedemann,2016年),这是由翻译的电影字幕组成的平行语料库集。使用平行的一致性检索了包括这些种族主义词的各种电影的英文字幕,以及相应的意大利翻译。进行分析,目的是确定使用和翻译这些种族诽谤的一般趋势。此外,根据节制变量(例如电影中使用的语言,电影发行日期,电影拍摄的国家和电影类型)来测试这些变量是否对翻译选择有重大影响。关键字:种族诽谤;翻译;字幕;英语;意大利人。1。简介
摘要本文致力于评估电影推荐系统中集合机器学习模型的有效性。它探讨了各种集合方法,包括随机森林,adaboost,XGBoost,LightGBM,Catboost和梯度提升机,以增强预测用户偏好的准确性。该研究基于Movielens 100K数据集,该数据集包含1,682部电影中943位用户的100,000个评级。功能工程,数据归一化方法和迭代功能选择的应用提高了模型准确预测用户兴趣的能力。分析表明,XGBoost模型的最佳结果为0.902,与所考虑的其他模型相比,预测准确性更高。LightGBM和Catboost还显示了竞争结果,RMSE值分别为0.910和0.919。这项研究强调了综合方法在开发适应用户各种偏好和环境的建议系统中的重要性,并在该领域开辟了广泛的观点,以进一步研究。
摘要。但是,电影制作是多年来盛行的研究方面,但尚未在学术领域进行彻底研究。必须在科学文献中制作电影的制作。本文将重点关注各种商业电影方法组织,重点关注詹姆斯·卡梅隆(James Cameron)著名的电影《阿凡达》(Avatar)。电影业务可以分为两种型号:业务和工作室模型。例如,阿凡达(Avatar)是一部新的3D电影,在商业和录音室模型中盛行。仍然,这部电影提供了工作室模型和技术利用的绝佳视角。最初制作的大片电影是为了满足感知到的观众的最佳价值观;也就是说,无论电影将花费多少,消费者愿意花多少钱。确切地说,必须确保在生产方面负担得起的电影制作,同时符合消费者的期望并获得利润。
摘要。生成人工智能(AIGC)是人工智能的关键子集,它在多个领域(例如图像,音频和文本)中表现出非凡的数据生成和创建功能。本文旨在探讨AIGC在电影制作领域的应用,并特别强调了深卷积生成的对抗网络(DCGANS)的作用,并引入了直观的教学方法。通过实施DCGAN技术,这项研究实现了各种功能,包括生成虚拟角色,场景,样式转换,动态图像恢复和增强功能,从而增强了电影生产过程。视觉教学系统通过直观的界面和交互式操作来促进这些尖端技术的快速掌握。我们的研究表明,DCGAN在制作电影品质图像时表现出非凡的准确性和效率。此外,用户反馈确认了我们的视觉学习平台的卓越和优势。这项调查强调了AIGC在膜视觉生产中的巨大潜力,同时还通过基于视觉的学习来促进相关技术的传播和增强。技术和教育的这种开创性融合将培养新一代创新的电影制片人。