简介:实用汉语水平认定考试(简称C.TEST)是用来测试母语非汉语的外籍人士在国际环境下社会生活以及日常工作中实际运用汉语能力的考试。由于C.TEST的考试题目公开,题库数量较小,所以通过一般标准化考试采用的在部分目标被试中实施预测(fieldtest)的方法来获取考试题目的难度参数存在困难。然而,人工神经网络技术作为现代人工智能研究的成果,在预测(prediction)领域发挥了很大作用。本文选取C.TEST(A—D级)的阅读理解题目作为研究材料,运用人工神经网络技术对其难度进行预测,得到了网络预测难度值与实际考试难度值显著相关的研究结果。这一结果表明,利用人工神经网络模型对语言测验的题目难度等参数进行预测是可行的。
简介:句式“NPI+在NP2+V+NP3”是典型的歧义旬,但歧义并非源自结构本身,而是基于对现实世界关系的多种解读。其歧义主要表现在:(1)NP2与NP1、NP2与NP3空间关系的两可性;(2)当NP2与NP3有空间关系时,NP2语义功能的多样性;(3)当NP2与NP3没有空间关系时,NP2语义功能的歧义。文章认为,该句式可以从语义上分解出10种单义句式,不同性质的歧义可采用不同的消歧策略。
简介:“(NP1)+在+NPL+VP+NP2”歧义的复杂性表现在NPL与NP1、NP2的空间位置组合的可能性,空间位置组合的可接受程度直接导致了歧义程度的高低。通过对空间兼容度的统计分析,我们得出了“空间的兼容度直接导致了歧义的单义化或者弱化”的结论,具体表现为:歧义量与歧义度正相关,“次兼容度与最大兼容度”由大到小的4种比值2:2、2:3、1:2、1:3直接对应了歧义度由高到低的4种不同情况。