赵冬华
- 作品数：26 被引量：53H指数：3
- 供职机构：复旦大学数学科学学院更多>>
- 发文基金：江苏省教育厅哲学社会科学基金国家自然科学基金更多>>
- 相关领域：语言文字文化科学自动化与计算机技术理学更多>>
- 语言的隐喻性及其在英语教学中的运用
- 2009年
- 隐喻是根据两个事物间的某些共同特点，把本来要说的某一事物直接说成另一事物，说话人不明示其共同点，而要靠读者意会的一种比喻，是比喻中应用最广却又比较隐晦、形式多样因而也较难于把握的一种修辞方式。从语言的隐喻性出发，探讨隐喻性语言的分类、语言特色的具体表现及其在英语教学中的作用。
- 赵冬华
- 关键词：隐喻修辞隐喻性语言特色
- 因特网对英汉翻译实践的影响
- 2010年
- 现如今因特网已经走进千家万户,处于多语言网络信息时代的人们开始利用因特网来辅助翻译工作。利用因特网辅助翻译,可以大大提高工作效率,提高翻译质量,满足信息时代对翻译的迫切需要。由于利用因特网辅助英汉翻译有利有弊,译者在英汉翻译实践过程中需要学会灵活运用因特网辅助翻译。
- 赵冬华
- 关键词：因特网英汉翻译翻译技巧
- 盲生英语自主学习探究被引量：2
- 2016年
- 盲生英语学习过程中的困难和障碍比明眼人多，作者通过实地调查发现盲生英语学习主动性不高，缺乏自主学习意识。动机和策略是自主学习的两个重要变量，在盲生英语学习过程中，教师应充当指导者角色，助其激发英语学习动机，掌握英语学习策略，实现自主学习英语的目标。
- 赵冬华
- 关键词：盲生英语自主学习学习动机
- 基于三层动机理论模型的聋生英语学习动机激发研究被引量：1
- 2016年
- 新形势下,我国特殊教育已逐渐从过去的保护式、封闭型教育模式向开放化、融合型教育模式转变。因听力缺失,聋生英语学习面临诸多困难,缺乏学习动机便是障碍之一。本文通过对聋生英语学习动机缺失的影响因素进行分析,根据Dornyei外语学习三层动机模型,从课程相关动机成分、教师相关动机成分以及小组相关动机成分三方面提出激发聋生英语学习动机的措施。
- 赵冬华
- 关键词：英语学习学习动机动机缺失动机激发
- 分形粗糙面分维数的反演被引量：1
- 2005年
- 用Monte Carlo方法,采用归一化的带限Mandelbrot-Weierstrass分形函数来模拟分形粗糙面,建立和发展了利用最小目标函数反演分形粗糙面分维数的方法.计算结果表明:该方法不受分形特征尺度性变化因素的影响,对于反演具有分形特征的被探测物体的分维数,具有很高的精确性.
- 赵冬华蔡志杰阮炯
- 关键词：分维数反演分形函数目标函数归一化
- 从目的论角度析《红楼梦》两个英译本
- 2009年
- 《红楼梦》是反映我国封建社会生活的"百科全书",该书的两个英译本,由于翻译方法不同,引起一场归结于处理原文文化因素方法的讨论。文章以目的论为理论根据,通过对两个英译本中译例的分析,探讨了翻译中的异化与归化问题并得出目的决定方法的结论。
- 赵冬华
- 关键词：异化归化目的论
- 高职校园英语学习环境的构建被引量：1
- 2014年
- 校园英语环境是英语课程的重要组成部分,能为学生语言实践提供空间场所。本文认为应当在校园内营造一个学生随时随地可看、随时随地可听、随时随地可说的英语氛围,让学生经常有用英语的机会和使用英语的可能,通过语言环境的构建来促进学生的语言学习。
- 赵冬华
- 关键词：校园英语学习环境英语氛围
- 基于LSTM神经网络的用电量预测被引量：28
- 2017年
- 阐述了收敛交叉映射(CCM)方法及LSTM神经网络模型在用电量预测中的具体应用。针对城市用电量时间序列的非线性特点,结合动力系统理论,采用CCM方法研究用电量和温度、风速、相对湿度、降水之间的动力学因果关系,建立LSTM神经网络模型,并将该模型在H市用电量预测中进行了初步应用。研究结果表明,LSTM神经网络模型在城市用电量预测中年度预测相对误差小于月度预测相对误差,具有较高精度;改进的引入温度因素的LSTM神经网络模型,月度、年度预测相对误差均有改进,反映了运用CCM方法研究动力学因果关系的合理性以及LSTM神经网络模型在城市用电量预测中广泛的实用性。
- 徐尧强方乐恒赵冬华王凯
- 关键词：负荷预测
- 用人单位对商务英语人才的需求分析
- 2011年
- 为了适应现代社会的发展趋势,满足用人单位的需求,通过走访和问卷调查的方式,了解用人单位对商务英语专业人才的需求、商务英语专业人才自身现状,以及怎样适应市场需求,有利于刚迈出象牙塔的商务英语专业学生更好就业。
- 赵冬华
- 关键词：商务英语
- 基于BERT和关键词的属性-罪名分类被引量：2
- 2021年
- 针对罪名分类研究中常出现的样本数据量少、罪名类别分布不均衡和罪名相似的问题,基于BERT和关键词,提出一种同时对属性和罪名进行分类的模型。首先,使用BERT对文本进行编码得到词向量,然后通过属性提取网络,进行属性提取任务的训练,再拼接上文本关键词向量,以区别相似罪名,进行罪名分类任务的训练。在裁判文书数据集上的实验结果表明,与BERT模型相比,所提方法在罪名分类任务上的精确率和F1值分别提高了0.9和8.46个百分点,有效提高了仅有少量数据的罪名类别的分类准确率,可以提高法律从业人士的工作效率。
- 倪晴超殷聪珏赵冬华
