摘要：在“Python程序设计”课程中,字典的概念和应用是一个难点。结合字典功能和jieba库对“党的二十大报告”进行词频分析,针对直接统计结果的不足,通过词语替换改进程序达到了较好的效果,并利用Matplotlib库对统计结果进行了直观显示。通过以上实际案例编程,有利于学生掌握字典的概念和应用,以及统计结果的可视化。

摘要：目的探讨词频和语境预测性在老年人阅读中的作用。方法使用眼动追踪技术,采用2(年龄:老年人、青年人)×2(目标词词频:高、低)×2(语境预测性:高、低)的多因素混合实验设计,分析老年人阅读目标词的眼动特征。结果与青年人相比,老年人在阅读时需要更多的阅读时间和注视次数,有更多地向右眼跳次数,更容易发生跳读。结论词频和语境预测性同样会对老年人阅读产生影响,老年人的词频效应更明显。

摘要：机械产品感性评价是感性工学设计的重要内容。为了克服传统感性评价方法主观强、实时性差等问题,获取更为准确的评价,提出结合在线产品评论和TextCNN的机械产品感性评价方法。利用TextCNN的情感分析模型先判断评论的情感极性,并结合评论中程度副词得到感性词评价值,构建感性评价值与机械产品属性参数的非线性映射模型,用于预测产品属性参数与用户感性评价间的关系,为机械产品参数设计提供一定参考意见。案例以汽车网络平台数据为例,分析六组感性词映射模型预测性能,验证了该方法的有效性和可行性。

摘要：垃圾信息的识别是自然语言处理方面主要的任务之一。传统方法是基于文本特征或词频的方法,其识别准确率主要依赖于特定关键词的出现与否,存在对关键词识别错误或对未出现关键词的垃圾信息文本识别能力较差的问题,提出基于神经网络的方法。首先,利用传统方法针对这一类垃圾信息文本进行识别训练和测试;然后,利用从垃圾短信、广告和垃圾邮件数据集中挑选出传统方法识别困难的垃圾信息,再从原数据集中随机挑选出同样数量的正常信息,将其组成三个无重复数据的新数据集;最后,以卷积神经网络和循环神经网络为基础,建立了三个模型,并在新数据集上进行识别训练。实验结果表明,基于神经网络的方法可以从文本中学习到更好的语义特征,在三个数据集上均能达到98%以上的准确率,高于朴素贝叶斯(NB)、随机森林(RF)、支持向量机(SVM)等传统方法。实验结果还显示,不同的神经网络适用于不同长度的文本分类,由循环神经网络组成的模型擅长识别句子长度的文本,由卷积神经网络组成的模型擅长识别段落长度的文本,由两者共同组成的模型擅长识别篇章长度的文本。

摘要：同义异形词往往被视为互不相干的词,在计算词频时也被作为不同的词分别狡算出词频。本文拟就同义异形词的词频计算,借助Foxpro设计出一个简单又易操作的程序,将同义异形词先组合成为一个互通的标准词,并将有关的词频相加,从而得出正确的词频数。

摘要：采用2(词频:高频、低频)×2(可预测性:高可预测性、低可预测性)被试内实验设计,运用Eyelink2000眼动仪对汉语词汇识别中的词频效应和可预测性效应进行实证研究。结果发现,高频词的首次注视时间、凝视时间和总注视时间显著低于低频词;高可预测性词的首次注视时间、凝视时间和总注视时间显著低于低可预测性词;词频和可预测性之间不存在交互作用。结果支持E-Z阅读者模型。

摘要：研究旨在通过操作文本字号和目标词词频,考察视觉刺激模式和词汇加工难度对中文读者眼动模式的影响。研究采用2(字号:16号,32号)×2(目标词词频:高频词,低频词)的被试内实验设计,结果显示:(1)读者阅读较小字号文本的总阅读时间与较大字号文本没有显著差异,但平均眼跳幅度、平均注视时间和跳读词数显著大于较大字号文本,再注视词数显著小于大号字体文本;(2)词频对目标词的凝视时间和总注视时间有显著影响,但不影响首次注视时间、跳读率和再注视概率;字号对首次注视时间、跳读率和再注视概率有显著影响,但不影响对目标词的凝视和总注视时间。说明视觉刺激模式和词汇加工难度均影响被试的眼动模式。

摘要：在对100条现代英文报刊商业广告进行观察和词频统计的基础上,本文着重研究了广告中的动词,尤其是高频动词的用法。从中发现,英语广告中的高频动词可分为三大类,其逻辑主语分别为广告主、广告所宣传的商品或服务,以及广告对象(广大消费者)。这些动词的高频使用表现了这三者之间的密切关系,并且促成了广告劝说功能和促销目的的实现。

摘要：为了解决传统感性工学主观性过强、实时性差、数据少等问题,提出一种产品在线评论数据驱动的感性工学方法。以某电子商务平台智能手机在线评论为数据源,提出词频与评估、强度、活动3个维度相结合的TFEPA方法,并使用该方法提取在线评论中的感性词;为获得更合理的感性评价,采用面向在线评论的词聚类结合程度副词的方法计算感性评价值,再从认知心理学的角度,结合产品属性参数与用户感性意象,构建了基于BP神经网络的非线性映射模型,用于模拟用户心理评估机制。最后,评估了模型的泛化能力,验证了所提方法的可行性与有效性。

摘要：词云技术是对学生在课堂中使用的语言和文本进行关键词抓取,通过词频统计、重要性分析等方法确定学生观点、情感和态度的一种分析方法。基于词云技术的言论观点采撷和统计能够帮助教师捕捉学生在课堂教学中的情感体验,进而将内化态度外在表现出来。这种由内到外的转化是突破当前课程思政效果评价瓶颈的有益尝试。在实践应用中,词云技术能够帮助教师更好地把握学生在课堂中态度形成的动态阶段和路径,进而在教学设计中改进课程思政元素的挖掘与融入方式。分析运用词云技术进行课程思政评价的相关内容,对于课程思政评价体系的完善具有重要意义。